Universidade Federal de Uberlândia: Thaís Silva

UNIVERSIDADE FEDERAL DE UBERLÂNDIA
DISSERTAÇÃO DE MESTRADO
ANÁLISE DA ESCOLHA MODAL BINOMIAL

COM BASE NO MODELO LOGIT
THAÍS SILVA
UBERLÂNDIA, 27 DE SETEMBRO DE 2010.

UNIVERSIDADE FEDERAL DE UBERLÂNDIA
FACULDADE DE ENGENHARIA CIVIL
Programa de Pós-Graduação em Engenharia Civil
Thaís Silva
ANÁLISE DA ESCOLHA MODAL BINOMIAL COM

BASE NO MODELO LOGIT
Dissertação apresentada à Faculdade de Engenharia

Civil da Universidade Federal de Uberlândia como
parte dos requisitos para a obtenção do título de
Mestre em Engenharia Civil.
Área de Concentração: Engenharia Urbana.
Orientador: Prof. Dr. Carlos Alberto Faria
UBERLÂNDIA, 27 DE SETEMBRO DE 2010.

Dedico este trabalho à Deus... e
aos meus pais, Eurípedes e
Hiolanda, por todo amor,
educação e exemplo de vida.
AGRADECIMENTOS
À Jesus Cristo... Mestre Supremo... e dono de toda sabedoria...
Ao professor Carlos Alberto Faria, primeiramente por ter aceitado a tarefa de me orientar,
segundo por ter fornecido os dados da pesquisa O/D, sem os quais não seria possível a
realização deste trabalho. Agradeço ainda por todas as orientações de grande valor e pela
enorme paciência com as minhas dificuldades.
Ao professor Ednaldo Carvalho Guimarães da Faculdade de Matemática da Universidade

Federal de Uberlândia, por toda ajuda na execução da modelagem e na interpretação dos
resultados. Muito obrigada!
Aos demais professores do Programa de Pós-Graduação em Engenharia Civil da

Universidade Federal de Uberlândia, que no decorrer de suas atividades colaboraram para
que se pudesse realizar este trabalho.
À Sueli, pela paciência e ajuda com todas as questões burocráticas, desde a matrícula até as
viagens dos congressos. Muitíssimo obrigada!
Aos meus pais, pelo apoio financeiro e emocional concedido neste período tão importante
da minha vida... Pelo amor incondicional e por todas as possibilidades que vocês me
proporcionaram até hoje... Amo vocês!
Aos meus irmãos, sobrinhos e amigos que de alguma forma estiveram presentes nesta
etapa da minha vida... Com os quais dividi todas as alegrias desses dias... e também
algumas frustrações...
Agradeço de forma especial ao Programa de Pós-Graduação da Engenharia Civil da

Universidade Federal de Uberlândia por todas as oportunidades de aprimoramento, e bem
mais que isso... de crescimento pessoal.
SILVA, T. Análise da Escolha Modal Binomial com Base no Modelo Logit. 115 p.
Dissertação de Mestrado, Faculdade de Engenharia Civil, Universidade Federal de
Uberlândia, 2010.
RESUMO
Esta pesquisa trata da calibração do modelo logit binomial para a etapa de divisão modal
do modelo clássico de planejamento de tranportes. O objetivo é determinar as
probabilidades de escolha dos usuários diante das alternativas de transportes disponíveis na
área de estudo. A abordagem realizada neste estudo considerou o conceito de utilidade,
uma das componentes básicas da teoria do comportamento do consumidor que constituem
o fundamento teórico da microeconomia e da teoria de escolha aleatória. O processo de
decisão do consumidor na escolha do modo de transporte baseia-se em escolhas discretas e
leva em consideração as características dos sistemas de transportes, das viagens e do nível
socioeconômico do consumidor. Logo, os usuários de transportes, diante da necessidade de
deslocar-se no espaço e no tempo, realizam suas escolhas procurando maximizar a
utilidade dos modos de transportes, ou seja, escolhem o modo de transporte cujos atributos
lhe proporcionem o maior nível de satisfação. Os dados utilizados nesse estudo foram
obtidos na pesquisa origem-destino (Pesquisa O/D), realizada na cidade de Uberlândia
(MG) em 2002. Os modelos logit binomiais foram calibrados com o software Stastistical
Package for Social Sciences (SPSS). Os dados obtidos da pesquisa O/D constituem a base
dos modelos de escolha discreta e refletem o “juízo de valor” do consumidor sobre as
alternativas e atributos dos modos de transportes.
Palavras-chave: Planejamento Urbano - Transporte Urbano - Modelo Logit Binomial -

Divisão Modal - Comportamento da Demanda.
SILVA, T. Choice Modal Analysis of Binomial Logit Model Based On. 115 p. MSc
Dissertation, College of Civil Engineering, Federal University of Uberlândia, 2010.
ABSTRACT
This research is about the calibration of binomial Logit Model to the modal split phase
from the classic model of transportation planning. The goal is to determine what the users
might choose towards the transport alternatives available in the studied area. The
approached used in this study considered the concept of utility, one of the basic
components of the theory of consumer behavior that constitute the theoretical foundation
of microeconomics and the random choice theory. The decision process of the consumer's
choice of transport mode is based on discrete choices and considers the characteristics of
transportation systems, travel and the consumer’s socio economic level. Therefore,
transport users, given the need to travel in space and time, try to make their choices to
increase the utility of transport modes that is to choose the transportation mode which
attributes will provide the highest level of satisfaction. The data used in this study were
obtained in the origin-destination survey (Survey O/D) held in the city of Uberlandia (MG)
in 2002. Binomial logit models were standardized with the software Stastistical Package
for Social Sciences (SPSS). The data obtained from the O/D survey form the basis of
discrete choice models and reflect "value judgments" of the consumer about the
alternatives and attributes of transport modes.
Keywords: Urban Planning - Urban Transport - Logit Model - Modal Split - Demand
Behavior
LISTA DE FIGURAS
FIGURA 1 - MATRIZ DE DISTRIBUIÇÃO DE VIAGENS. ........................................................................................ 8
FIGURA 2 - PROCESSO DE TOMADA DE DECISÃO. ........................................................................................... 18
FIGURA 3 - CLASSIFICAÇÃO DOS MODELOS DE REGRESSÃO. .......................................................................... 19
FIGURA 4 - ESTRUTURA DE UM MODELO LOGIT MULTINOMIAL. ..................................................................... 22
FIGURA 5 - ESTRUTURA DO MODELO LOGIT HIERÁRQUICO. ........................................................................... 23
FIGURA 6 - ESTRUTURA MODELO LOGIT BINOMIAL. ....................................................................................... 23
FIGURA 7 - FUNÇÃO LOGÍSTICA. .................................................................................................................... 24
FIGURA 8 - ETRUTURA DO MODELO CALIBRADO. ........................................................................................... 35
FIGURA 9 - ZONAS DE TRÁFEGO DA CIDADE DE UBERLÂNDIA (MG). ............................................................. 42
FIGURA 10 - DISTRIBUIÇÃO DAS VIAGENS POR MODO DE TRANSPORTE. ......................................................... 44
FIGURA 11 - PORCENTAGEM DAS VIAGENS PELOS MODOS AGREGADOS. ........................................................ 46
FIGURA 12 - DISTRIBUIÇÃO DAS VIAGENS POR MOTIVO. ................................................................................ 47
FIGURA 13 - TEMPO DE VIAGEM..................................................................................................................... 48
FIGURA 14 - NÚMERO DE VIAGENS REALIZADAS PELOS INDIVÍDUOS/DIA. ...................................................... 49
FIGURA 15 - PORCENTAGEM DOS INDIVÍDUOS POR SEXO. .............................................................................. 50
FIGURA 16 - FAIXA ETÁRIA DOS INDIVÍDUOS. ................................................................................................ 51
FIGURA 17 - NÍVEL DE INSTRUÇÃO DOS INDIVÍDUOS. ..................................................................................... 52
FIGURA 18 - SITUAÇÃO FAMILIAR. ................................................................................................................. 53
FIGURA 19 - PROPRIEDADE DE AUTO. ............................................................................................................ 54
FIGURA 20 - CLASSE DE ATIVIDADE. .............................................................................................................. 55
FIGURA 21 - RENDA MENSAL. ........................................................................................................................ 56
FIGURA 22 - PORCENTAGEM DAS CLASSES SOCIOECONÔMICAS. .................................................................... 57
FIGURA 23 - CLASSES SOCIOECONÔMICAS NO BRASIL. .................................................................................. 58
LISTA DE TABELAS
TABELA 1 - CORTES DO CRITÉRIO BRASIL ....................................................................................................... 33
TABELA 2 - CODIFICAÇÃO DA VARIÁVEL DEPENDENTE NOS TRÊS MODELOS .................................................. 36
TABELA 3 - VALOR DAS VARIÁVEIS EXPLICATIVAS ......................................................................................... 39
TABELA 4 - POPULAÇÃO E AMOSTRA DAS 65 ZONAS DE TRÁFEGO .................................................................. 43
TABELA 5 - MODOS DE TRANSPORTES ............................................................................................................. 44
TABELA 6 - MODOS DE TRANSPORTES AGREGADOS ........................................................................................ 45
TABELA 7 - DISTRIBUIÇÃO DAS VIAGENS POR MOTIVO ................................................................................... 46
TABELA 8 - DISTRIBUIÇÃO DAS VIAGENS POR TEMPO GASTO NO DESLOCAMENTO ......................................... 47
TABELA 9 - DISTRIBUIÇÃO DAS VIAGENS POR NÚMERO DE VIAGENS REALIZADAS ......................................... 48
TABELA 10 - DIVISÃO DA AMOSTRA POR SEXO ................................................................................................ 49
TABELA 11 - FAIXA ETÁRIA DOS INDIVÍDUOS .................................................................................................. 50
TABELA 12 - NÍVEL DE INSTRUÇÃO .................................................................................................................. 51
TABELA 13 - SITUAÇÃO FAMILIAR ................................................................................................................... 52
TABELA 14 - PROPRIEDADE DE AUTO............................................................................................................... 53
TABELA 15 - CLASSE DE ATIVIDADE ................................................................................................................ 54
TABELA 16 - RENDA MENSAL .......................................................................................................................... 55
TABELA 17 - PERFIL SOCIOECONÔMICO DA AMOSTRA ..................................................................................... 56
TABELA 18 - MODELO LOGIT BINOMIAL .......................................................................................................... 59
TABELA 19 - CLASSIFICAÇÃO DOS CASOS PROCESSADOS ................................................................................ 60
TABELA 20 - VALORES DO PSEUDO R2 ............................................................................................................. 61
TABELA 21 - CLASSIFICAÇÃO DOS CASOS EM CADA PASSO ............................................................................. 61
TABELA 22 - PARÂMETROS DA FUNÇÃO UTILIDADE PARA O MODO AUTO ...................................................... 63
TABELA 26 - PARÂMETROS DA FUNÇÃO UTILIDADE PARA O MODO CAMINHAMENTO ..................................... 66
TABELA 30 - PARÂMETROS DA FUNÇÃO UTILIDADE PARA O MODO ÔNIBUS ................................................... 68
TABELA 31 - UTILIDADE DOS MODOS DE TRANSPORTES .................................................................................. 71
TABELA 32 - PROBABILIDADE DE ESCOLHA DO MODO AUTO .......................................................................... 71
TABELA 33 - PROBABILIDADE DE ESCOLHA DO MODO CAMINHAMENTO ......................................................... 72
TABELA 34 - PROBABILIDADE DE ESCOLHA DO MODO ÔNIBUS ....................................................................... 73
TABELA 35 - PROBABILIDADE DE ESCOLHA DOS MODOS ................................................................................. 74
SUMÁRIO
CAPÍTULO 1 ....................................................................................................................... 1
INTRODUÇÃO ..................................................................................................................... 1
1.1 OBJETIVOS ................................................................................................................ 2

1.1.1 Objetivo Geral ...................................................................................................... 2
1.1.2 Objetivos específicos ............................................................................................ 2
1.2 JUSTIFICATIVA ........................................................................................................ 2
1.3 ESTRUTURA DA DISSERTAÇÃO .......................................................................... 4
CAPÍTULO 2 ....................................................................................................................... 5
PLANEJAMENTO DE TRANSPORTE URBANO............................................................. 5
2.1 O MODELO DE QUATRO ETAPAS ........................................................................ 7

2.1.1 Geração de Viagens .............................................................................................. 7
2.1.2 Distribuição de Viagens........................................................................................ 7
2.1.3 Divisão Modal ...................................................................................................... 9
2.1.4 Alocação de Tráfego ............................................................................................. 9
2.1.5 Modelagem para Previsão de Demanda ............................................................. 10
CAPÍTULO 3 ..................................................................................................................... 11
MODELOS PARA ANÁLISE DE DEMANDA ................................................................ 11
3.1 FUNDAMENTOS MICROECONÔMICOS ............................................................ 12

3.2 PREFERÊNCIAS REVELADAS (PR) E DECLARADAS (PD)............................. 13
3.2.1 Preferências Reveladas (PR) .............................................................................. 13
3.2.2 Preferências Declaradas (PD) ............................................................................. 14
3.3 TEORIA DO COMPORTAMENTO DO CONSUMIDOR...................................... 16
3.4 TIPOS DE MODELOS DE ESCOLHA DISCRETA ............................................... 18
3.4.1 Análise Discriminante ........................................................................................ 20
3.4.2 Análise Probit ..................................................................................................... 20
3.4.3 Análise Logit ...................................................................................................... 21
CAPÍTULO 4 ..................................................................................................................... 25
MODELO DE REGRESSÃO LOGISTICA BINOMIAL .................................................. 25
4.1 ESTIMATIVA DO MODELO LOGIT BINOMIAL ................................................ 28

4.1.1 Testes de Significância ....................................................................................... 28
4.1.2 Pseudo R2............................................................................................................ 28
4.1.3 Estatística de Wald (W) ...................................................................................... 29
4.1.4 Teste de Hosmer e Lemeshow’s Goodness of fit test .......................................... 30
4.1.5 Razão de Chances ou Odds Ratio ....................................................................... 30
CAPÍTULO 5 ..................................................................................................................... 32
CALIBRAÇÃO DO MODELO .......................................................................................... 32
5.1 CONSIDERAÇÕES SOBRE OS DADOS DE ENTRADA ..................................... 34

5.2 SOBRE O SOFTWARE SPSS ................................................................................... 40
CAPÍTULO 6 ..................................................................................................................... 41
ESTUDO DE CASO E RESULTADOS ............................................................................. 41
6.1 ANÁLISE DESCRITIVA DOS DADOS ................................................................. 42

6.2 CALIBRAÇÃO DO MODELO DE REGRESSÃO LOGÍSTICA BINOMIAL ...... 58
6.3 RESULTADOS ......................................................................................................... 60
6.3.1 Modelo 1 – Escolha do Modo Auto.................................................................... 60
6.3.2 Modelo 2 – Escolha do Modo Caminhamento ................................................... 64
6.3.3 Modelo 3 – Escolha do Modo Ônibus ................................................................ 66
6.3.4 Cálculo das Utilidades e Probabilidades ............................................................ 69
6.4 DISCUSSÃO DOS RESULTADOS ......................................................................... 74
6.5 CONCLUSÕES E RECOMENDAÇÕES ................................................................. 79
REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................ 81
ANEXO 1 - REGRESSÃO LOGÍSTICA PARA O MODO AUTO .............................. 86

ANEXO 2 - REGRESSÃO LOGÍSTICA PARA O MODO CAMINHAMENTO ........ 93
ANEXO 3 - REGRESSÃO LOGÍSTICA PARA O MODO ÔNIBUS ........................... 99
ANEXO 4 - TABELA DE CARACTERÍSTICAS DOS INDIVÍDUOS ...................... 106
ANEXO 5 - FUNÇÕES UTILIDADES PARA OS INDIVÍDUOS DAS CLASSES
SOCIOECONÔMICAS ................................................................................................. 108
Capítulo 1 Introdução 1
CAPÍTULO 1
INTRODUÇÃO
O crescimento da demanda por transportes urbanos levou ao desenvolvimento de modelos
que pudessem ser aplicados ao planejamento de transportes. O modelo clássico ou de
quatro etapas tornou-se, então, instrumento estratégico empregado por pesquisadores da
área de transportes na tomada de decisão. Esse modelo considera o planejamento como um
processo sequencial em que interagem diferentes submodelos: geração-atração de viagens,
distribuição, divisão modal e alocação do tráfego à rede (Ortúzar e Román, 2003).
Esta pesquisa trata da etapa de divisão modal, que é considerada como a terceira etapa do
modelo clássico de planejamento de transportes. O objetivo é determinar a probabilidade
de escolha dos usuários diante das alternativas de transportes disponíveis na área em
estudo. A abordagem dessa etapa será tratada com base no conceito de utilidade da teoria
do comportamento do consumidor.
O processo de decisão do consumidor baseia-se em escolhas discretas realizadas com base

nas utilidades que os modos de transportes alternativos apresentam e que levam em
consideração três fatores: 1. as características dos sistemas de transportes; 2. as
características das viagens e 3. o nível socioeconômico do consumidor. Logo, os usuários
de transportes, diante da necessidade de deslocar-se no espaço e no tempo, escolhem
dentre as alternativas possíveis aquela cujos atributos lhe proporcionem o maior nível de
satisfação, ou seja, a alternativa com maior utilidade.
O “juízo de valor” do consumidor sobre as alternativas e atributos dos modos de

transportes passa a ser, então, representativo para modelar o comportamento de escolha por
transportes. Nesta pesquisa foram utilizados os dados da pesquisa origem-destino
(Pesquisa O/D) realizada na cidade de Uberlândia (MG) em 2002 e os modelos de escolha
aleatória foram calibrados com o software Statistical Package for Social Sciences (SPSS).
1.1 OBJETIVOS
1.1.1 Objetivo Geral
O objetivo principal deste trabalho é calibrar modelos de divisão modal baseados na teoria
econômica do comportamento do consumidor e na teoria da utilidade, utilizando o
software SPSS (Statistical Package for Social Sciences) e os dados da pesquisa O/D
realizada em 2002 na cidade de Uberlândia (MG).
1.1.2 Objetivos específicos
- Estimar as probabilidades de escolha dos usuários dos modos de transportes considerando

como opções disponíveis ao usuário o caminhamento, o auto, o ônibus e outros;
- Avaliar o padrão de escolha modal considerando indivíduos das diferentes classes

socioeconômicas da amostra da população das 65 zonas de tráfego de Uberlândia (MG);
- Mensurar, através da utilidade, a influência das variáveis sobre o padrão de escolha dos
usuários e assim, definir o perfil do usuário de transporte em cidades de porte médio por
cada modo considerado.
1.2 JUSTIFICATIVA
O processo de urbanização e crescimento das cidades tem exigido dos órgãos gestores e de
planejamento urbano esforços para equilibrar a demanda e a oferta dos serviços de
transportes. A intensidade dessas relações deve ser acompanhada de um planejamento

prévio da estrutura urbana (legislação de uso do solo) e dos sistemas de transportes. Caso
isto não ocorra, pode-se chegar a uma situação caótica, gerada pelo desequilíbrio entre a
oferta e a demanda, resultando em constantes congestionamentos e dificuldades na
circulação de pessoas e ou mercadorias.
Ferronatto (2002) observou que, o uso do solo não somente tem um impacto direto sobre a
demanda, mas ele próprio é afetado por mudanças na oferta de transportes. Dessa forma, a
modelagem constitue-se em importante ferramenta para a análise da repartição modal,
permitindo a espacialização das novas necessidades e auxiliando de forma mais correta à
tomada de decisão no processo de planejamento.
Considerando a aplicação dos modelos com base em dados desagregados, a pesquisa O/D
representa a base de dados primária para a calibração dos modelos no enfoque clássico do
planejamento de transportes. Apesar da pesquisa O/D ser complexa na fase de
implementação e processamento dos dados e demandar recursos para sua aplicação é,
ainda, a melhor fonte de informações do padrão de viagens do cotidiano (Faria et al, 2004).
Nesse sentido, modelar a etapa de divisão modal com base em dados da pesquisa O/D
significa buscar a aproximação dos modelos de escolha discreta com a real escolha dos
usuários de transportes.
Utilizando-se então, os dados da pesquisa O/D, que considera características do sistema de

transportes, das viagens e socioeconômicas dos usuários, a proposta deste trabalho de
calibrar modelos de repartição modal:
- é viável, uma vez que, o banco de dados da pesquisa O/D disponibiliza informações
considerando as zonas de tráfego que compõem o zoneamento da cidade;
- e justifica-se, devido à importância de se tratar a etapa de repartição modal com base em

modelos desagregados, comportamentais, probabilísticos e que podem auxiliar o
planejamento de longo prazo com a geração de cenários e contribuir com a tomada de
decisão.
Portanto, as informações obtidas com o uso de modelos para previsão da escolha modal
podem ser usadas para tomar decisões de quando e onde investimentos seriam feitos nos
sistemas de transportes, de forma a satisfazer demandas de viagens e promover padrões
desejáveis de desenvolvimento da área em estudo. Assim, a possibilidade de previsão de
cenários para o transporte urbano com base nas escolhas dos usuários dos modos de
transportes pode significar: economia de tempo, de recursos financeiros, menos transtornos
e ações mais efetivas no planejamento de transportes urbanos.
1.3 ESTRUTURA DA DISSERTAÇÃO
Este trabalho está estruturado em seis capítulos, organizados da seguinte forma: o primeiro
capítulo mostra a interrelação entre o crescimento da demanda por transportes urbanos em
cidades de porte médio e a necessidade da utilização dos modelos de escolha para modelar
essa demanda na fase de divisão modal, cita os principais objetivos desta pesquisa e mostra
os argumentos que justificam este trabalho; o segundo capítulo apresenta um panorama do
planejamento em transportes urbanos e o modelo de quatro etapas; o terceiro faz referência
aos principais modelos para análise da demanda empregados em transportes e a teoria
microeconômica para as escolhas discretas; o quarto capítulo trata da formulação do
modelo logit binomial, os parâmetros e testes estatísticos para a validação deste; o quinto
apresenta os recursos que foram usados para desenvolver este trabalho; o sexto descreve o
estudo de caso, o banco de dados, análise descritiva dos dados, resultados e considerações.
Capítulo 2 Planejamento de Transporte Urbano 5
CAPÍTULO 2
PLANEJAMENTO DE TRANSPORTE URBANO
Devido à intensificação do processo de urbanização e crescimento das cidades brasileiras
na década de 1970, buscou-se nos modelos técnico-econômicos o apoio para o
planejamento de transportes urbanos. O crescimento dos centros urbanos aumentou
significativamente a demanda por transportes, diversificando os motivos de viagens e
aumentando as distancias a serem percorridas, dificultando assim, os deslocamentos dos
usuários de transportes urbanos.
Além disso, os frequentes congestionamentos, a falta de conservação das vias, os altos

índices de acidentes de trânsito, o desrespeito às normas de circulação, a má qualidade do
transporte público, são alguns dos fatores que apontaram para a necessidade de ações
pautadas no planejamento do transporte urbano. Nesse contexto, um dos grandes desafios
para o poder público, pesquisadores, técnicos e para a própria comunidade refere-se ao
reordenamento do tráfego em cidades de porte médio e de grande porte.
Para Hutchinson (1979), o planejamento de transportes urbanos é um processo contínuo

que envolve interação entre governo e comunidade urbana. Assim, com cerca 81% da
população brasileira vivendo nos centros urbanos, (IBGE/Censo2000), as cidades
tornaram-se cenários de conflitos e disputas pelo uso e ocupação dos espaços. Em
decorrência desse processo de intensa urbanização e do acirramento dos problemas ligados
ao uso e ocupação do solo e a qualidade de vida da população urbana, o planejamento
passa a ser importante para o bom desempenho dos sistemas de transportes.
Conforme destacado por Saraiva (2000), o transporte decorre da necessidade de ir à escola,

ao trabalho, e ao lazer, de se adquirir um produto, ou por outro motivo qualquer. Essas
necessidades fazem parte do cotidiano de milhares de pessoas que vivem nos centros
urbanos.
Pode-se dizer que os padrões de tráfego urbano resultam do tipo e extensão da

infraestrutura de transportes disponíveis na área urbana, do padrão de uso e ocupação do
solo, incluindo a localização e intensidade do uso e das características econômicas e sociais
da população da área urbana.
Assim, o uso de dados desagregados para fornecer informações quantitativas de demandas

de viagens geradas mostra-se importante no processo de planejamento de transporte. A
análise de demanda desempenha, então, um papel importante no planejamento de
transporte, pois envolve estudos sobre os hábitos de viagens e comportamento dos
indivíduos, que implicam em decisões relacionadas à utilização dos sistemas de transportes
(Banks, 1998 apud Brito, 2007).
Para Ortúzar e Román (2003), a modelagem da demanda por transportes vem se

desenvolvendo progressivamente de forma mais satisfatória nas últimas quatro décadas,
consolidando a metodologia conhecida atualmente como enfoque clássico. Assim, para o
processo de análise de demanda de transportes, a identificação das zonas de origem e
destino, bem como a obtenção de dados desagregados tornam-se parte importante para
aplicação do modelo de quatro etapas.
O modelo clássico de planejamento em transporte é sequencial e está dividido em quatro

etapas compreendidas como, geração de viagens, distribuição de viagens, divisão modal e
alocação de viagens.
Neste trabalho, enfatiza-se a etapa de divisão modal, com o objetivo de modelar as

probabilidades de escolha dos usuários dos modos de transportes. A seguir apresenta-se
uma breve revisão acerca das etapas envolvidas na modelagem de demanda.
2.1 O MODELO DE QUATRO ETAPAS
2.1.1 Geração de Viagens
A geração de viagens é o primeiro estágio do processo de previsão de demanda de viagens.

Para Hutchinson (1979), a principal tarefa dessa fase é relacionar a intensidade de viagens
de e para parcelas do solo a medidas do tipo e da intensidade do uso do solo.
Nesta etapa do processo são estabelecidas as zonas geradoras de viagens, estimando-se a

ocorrência de viagens geradas (produzidas e atraídas) nas zonas em estudo. As zonas de
tráfego constituem a unidade base de análise para viagens realizadas.
A escolha das zonas como centros produtores de viagens é estabelecida enfatizando-se

características inerentes a estes centros, tais como particularidades sócioeconômicas ou de
uso do solo nessas áreas – predominância residencial ou industrial/comercial.
Relacionam-se a esses fatores variáveis explicativas que são características ligadas ao

indivíduo e a zona de tráfego, tais como: renda familiar, tamanho da família, propriedade
ou não de automóvel, população, número de domicílios, número de pessoas empregadas
por domicílio, renda familiar média, número de veículos particulares e número de
empregos, entre outros (Banks, 1998 apud Brito, 2007).
2.1.2 Distribuição de Viagens
A segunda etapa do processo de previsão de demanda é a distribuição de viagens. Nessa

etapa estima-se a distribuição das viagens, produzidas e atraídas entre as zonas de tráfego.
O propósito da fase de análise de distribuição de viagens é desenvolver um procedimento
que sintetize as ligações entre zonas de tráfego tanto para viajantes cativos do transporte
coletivo como para viajantes com escolha (Hutchinson, 1979).
Os modelos de distribuição de viagens determinam, a partir do total de viagens geradas em

cada zona, a distribuição das mesmas entre as demais zonas de tráfego, chegando a uma
matriz de origem e destino das viagens.
A etapa de Geração de viagens fornece os totais de viagens produzidas (Pi) e de viagens

atraídas (Aj) por zona de tráfego, supondo-se que a região de estudo seja dividida em n
zonas de tráfego, os modelos de distribuição de viagens determinam a parcela destas
viagens (Tij) entre as zonas de tráfego, ou seja, define-se uma matriz conforme a Figura 1.
Zona de Zona de Destino

Origem 1 2 3 ... ...j

1 T11 T12 T13 ... ...T1j O1

2 T21 T22 T23 ... ...T2j O2
3 T31 T32 T33 ... ...T3j O3
. . . . ... . .
. . . . ... . .
i Ti1 Ti2 Ti3 ... ...Tij Oi
. . . . ... . .
. . . . ... . .
D1 D2 D3 ... Dj

FIGURA 1 - Matriz de distribuição de viagens.
De uma forma geral a distribuição é feita com base na potencialidade de cada zona de gerar
viagens, na atratividade das zonas de destino e na distância, tempo ou custo de transporte
entre cada par de zonas de origem e destino. Dessa forma, os modelos de distribuição de
viagens podem ser definidos pela seguinte expressão:
Tij = f (variáveis sócioeconômicas entre i e j; viagens produzidas em i; atraídas para j;

separação espacial ou custo entre i e j)
Onde Tij representa o número de viagens entre i e j no intervalo de tempo considerado.
Os modelos de distribuição de viagens podem ser agrupados da seguinte forma:
- Modelos de fator de crescimento e de Fratar;
- Modelos estocásticos de distribuição de viagens (Modelo Gravitacional, Modelo de

Oportunidades Intervenientes e o Modelo de Oportunidades Competitivas (Hutchinson,
1979)
2.1.3 Divisão Modal
A terceira etapa do processo de previsão de demanda, a qual destina-se este trabalho, é a

etapa de divisão modal. A análise de divisão modal visa determinar as probabilidades de
escolha modal entre um par origem-destino (ij) qualquer, desagregadas pelos diferentes
modos de transportes.
Nesta etapa ocorre a divisão das viagens pelos diversos modos de transportes. Esses modos
são normalmente agrupados em várias categorias, dentre as quais pode-se citar o transporte
particular e transporte público, ou mesmo transporte motorizado e não motorizado.
Podendo-se ainda dividir esses grupos em subgrupos de acordo com diferentes modos de
transportes (assim, para o modo público, pode-se considerar ônibus, metrô e embarcações
e, para modo particular, automóveis, motocicletas e bicicletas) (Banks, 1998 apud Brito,
2007).
As características dos viajantes, que influenciam suas decisões quanto à escolha do modo
de transporte são aquelas que determinam a disponibilidade de automóveis aos viajantes e,
consequentemente, o “status” cativo ou com escolha (Hutchinson, 1979). Assim, a escolha
modal é influenciada pela distância, pelo custo da viagem e pela disponibilidade ou não de
determinado modo de transporte e pode ser avaliada de acordo com as condições sócio-
econômicas e a acessibilidade dos habitantes a esses modos de transportes.
2.1.4 Alocação de Tráfego
A quarta e última etapa do processo de previsão de demanda é a alocação de tráfego. Os

métodos de alocação em rede alocam demandas de viagens entre os pares de origem e
destino para o sistema de rotas. Nesta etapa realiza-se a alocação do tráfego à rede de
transportes, e devem ser consideradas características quanto ao fluxo, capacidade das vias,
sendo importante no que concerne a avaliação, planejamento e busca de soluções viáveis
para a utilização do sistema para escoamento de fluxo de tráfego.
A alocação significa atribuir o tráfego entre pares de zonas de origem e de destino da

matriz O/D com base nos caminhos mínimos. Uma série de procedimentos de alocação em
rede foram desenvolvidos e todas as técnicas contêm os três seguintes componentes: (1)
um critério de seleção de rota, (2) uma técnica que selecione rotas para veículos através de
uma rede viária, (3) um método de alocação de intercâmbios de viagens de veículos entre
essas rotas (Hutchinson, 1979).
Dentre os principais métodos de alocação de tráfego estão: técnicas de alocação com

restrição de capacidade e técnicas de alocação em caminhos múltiplos (Hutchinson, 1979).
2.1.5 Modelagem para Previsão de Demanda
A modelagem do processo de previsão de demanda em transportes apresenta-se como um

problema complexo. Segundo Paiva Júnior (2006), a necessidade de modelagem dos
deslocamentos urbanos está no problema de dimensionamento dos sistemas de transportes
urbanos. Este problema constitui-se na determinação do número de viagens geradas por
origem-destino, motivo, rota, modo e horário.
O problema vem sendo resolvido pelo “método das quatro etapas” (Ortúzar e Willumsen,
1990). Assim, neste trabalho será tratado o processo de escolha modal, em que a
modelagem da estrutura de decisão dos usuários é normalmente feita tendo por base
modelos de escolha discreta. Dessa forma, o próximo capítulo trata dos fundamentos
teóricos dos modelos de escolha discreta.
Capítulo 3 Modelos para Análise de Demanda 11
CAPÍTULO 3
MODELOS PARA ANÁLISE DE DEMANDA
A análise da demanda em transportes tem adotado tradicionalmente dois tipos de modelos:
os modelos agregados ou de primeira geração e os modelos desagregados ou de segunda
geração. Os primeiros foram amplamente utilizados nos estudos de transportes até a década
de 1970, mas devido a sua pouca flexibilidade, precisão limitada, elevado custo e sua fraca
orientação na tomada de decisões políticas (Ortúzar e Willumsen, 1990), esses modelos
perderam força no processo de planejamento.
Então, a partir do final da década de 1970, em função das limitações nas abordagens dos
modelos agregados, os pesquisadores passaram a empregar os modelos de segunda geração
ou desagregados. Esses, por sua vez, utilizam observações individuais, o que permite uma
melhor compreensão dos comportamentos de viagem, posto que baseiam-se em escolhas
individuais (Espino, 2003). Os modelos de segunda geração fundamentaram-se nos
princípios teóricos da economia clássica, no enfoque comportamental e em técnicas de
marketing.
Ortúzar e Willumsen (1990) ressaltam que, as vantagens que estes modelos apresentam em
relação aos de primeira geração são muitas. Em primeiro lugar, a possibilidade de utilizar
dados individuais faz com que seja mais eficiente o uso das informações do que nos
modelos agregados. Em segundo lugar, pode-se utilizar toda a variabilidade de que se
dispõem com dados individuais. Em terceiro lugar, os resultados dos modelos em nível
individual podem ser usados para qualquer nível de agregação. Em quarto lugar, a
estimativa dos parâmetros para cada uma das variáveis explicativas consideradas no
modelo é explicita, o que proporciona certa flexibilidade para representar as variáveis
relacionadas a políticas de planejamento; ademais, os parâmetros estimados têm uma
interpretação direta em termos da importância de cada variável explicativa considerada na
escolha. E finalmente, trata-se de modelos mais estáveis no tempo e no espaço.
Logo, os modelos desagregados que representam as escolhas discretas permitem que sejam
estimadas as probabilidades de escolha a partir da abordagem comportamental. A seguir
apresentam-se os conceitos sobre a teoria do comportamento do consumidor e da utilidade
que são os fundamentos dos modelos de escolha discreta, e dos métodos de obtenção dos
dados por Preferência Revelada (PR) e/ou Preferência Declarada (PD) que são a base
desses modelos.
3.1 FUNDAMENTOS MICROECONÔMICOS
A teoria econômica clássica propõe um modelo para o comportamento do consumidor

onde às preferências que definem esse comportamento podem ser representas por uma
função de utilidade. O indivíduo, diante de uma necessidade ou desejo em adquirir um bem
ou serviço, analisa um conjunto de alternativas disponíveis escolhendo aquela (s) cujos
atributos propiciam o maior nível de satisfação.
Segundo Ben-Akiva e Lerman (1985), a escolha é resultado de um procedimento realizado

pelo usuário de transportes, que compreende os seguintes elementos: o tomador de decisão,
as alternativas, os atributos das alternativas e as regras de decisão.
Nestes modelos as escolhas são independentes e baseadas nas respectivas utilidades

individuais em relação ao conjunto de escolhas possíveis. Assim, os dados para estimativa
dos modelos probabilísticos de escolha discreta são obtidos por técnicas de preferências
declaradas e reveladas.
3.2 PREFERÊNCIAS REVELADAS (PR) E DECLARADAS (PD)
Os dados oriundos das técnicas de preferências reveladas e declaradas são as fontes de

informação empregadas pelos modelos de escolha discreta. As preferências reveladas
baseiam-se nas escolhas efetivamente realizadas pelos indivíduos diante de uma situação
existente e contêm informação sobre a importância relativa das diversas variáveis que
influenciam a sua decisão (Ortúzar e Román, 2003). Enquanto que as preferências
declaradas referem-se às escolhas em relação a um conjunto de opções em que são
apresentados cenários hipotéticos ao consumidor para que ele indique a sua escolha.
3.2.1 Preferências Reveladas (PR)
Os dados de preferências reveladas relacionam-se com as escolhas reais das pessoas e são
assim chamados por que revelam os gostos e preferências das pessoas (Train, 2002). As
técnicas de Preferências Reveladas baseiam-se, portanto, na obtenção de dados que
caracterizam decisões reais tomadas por usuários do serviço a ser analisado. A técnica
busca identificar as decisões tomadas pelos usuários a partir de entrevistas que investigam
sobre os serviços recentemente utilizados. Esta técnica apresenta algumas limitações no
que concerne à identificação das decisões de usuários frente à situações inéditas.
Em geral, os dados de preferências reveladas representam um corte transversal e são

obtidos a partir de enquetes que tratam de medir os valores dos atributos, tanto da
alternativa escolhida como das não escolhidas por cada indivíduo (Ortúzar e Román,
2003). Assim, esses dados permitem estimar, através de técnicas estatísticas apropriadas, a
função de utilidade de cada alternativa que representa as preferências de cada indivíduo.
Entretanto, Ortúzar e Román (2003) assinalam que, o emprego destes dados não está isento
de problemas e suas principais limitações se devem a:
• Presença de correlação entre algumas variáveis explicativas de interesse. Por

exemplo, é frequente encontrar correlação entre o tempo de viagem e o custo.
Isso impossibilita estimar os parâmetros que permitem determinar a relação entre
ambas as variáveis.
• Pouca variabilidade entre os valores dos atributos da amostra. Isso leva a aparição
de problemas na fase de estimação.
• Existência de erros de medida nas variáveis. Quando define-se categorias para os
dados de preferência revelada é inevitável a aparição de erros devido basicamente
a necessidade de agregar valores, interferindo no nível de precisão.
• Dificuldade de avaliar o impacto de variáveis qualitativas, tais como,
comodidade, confiabilidade, segurança, etc.
Apesar dessas restrições de caráter técnico os dados de preferência revelada têm sido
empregados para predizer o comportamento dos indivíduos e modelar a demanda em
transportes. Já para situações em que se deseja avaliar o comportamento da demanda frente
a um novo serviço, produto ou modo de transporte a ser implantado, utiliza-se a técnica de
preferência declarada.
3.2.2 Preferências Declaradas (PD)
A definição mais frequente na literatura da última década para o termo técnicas de

preferências declaradas é atribuída a Kroes e Sheldon (1988) apud Brito (2007) que
definiram estas como sendo uma família de técnicas, que utilizam respostas individuais a
respeito da preferência dos entrevistados, em um conjunto de opções hipotéticas, para
estimar a função utilidade.
Essas técnicas começaram a ser aplicadas no princípio dos anos 1970 em problemas
relacionados com a investigação de mercado, e as primeiras aplicações no campo dos
transportes deve-se a Louviere et al. (1973) apud Ortúzar e Roman (2003). Em transportes
as técnicas de preferências declaradas são, assim como as preferências reveladas,
empregadas na realização das pesquisas de origem e destino, as quais fornecem
informações sobre o comportamento do consumidor.
A técnica de preferência declarada é baseada em entrevistas nas quais apresenta-se ao

entrevistado um conjunto de opções, que são cenários ou alternativas hipotéticas,
construídas pelo pesquisador. O entrevistado, mediante um leque de opções, registra suas
preferências. Os dados coletados são processados por modelos estatísticos que ajustam os
parâmetros de forma a definir a função utilidade.
A técnica de preferência declarada pode ser vista como uma interação entre um método de
pesquisa e uma teoria comportamental (Novaes, 1986). Os paradigmas usados para a
modelagem do comportamento das pessoas não estão preocupados com a teoria
comportamental por si só, mas com métodos que possam ser usados para testar aspectos
desta teoria.
Um dos principais objetivos de experimentos de preferência declarada é construir um

conjunto de opções hipotéticas, porém realistas, denominadas por Ortúzar (1994) apud
Ortúzar e Román (2003), de alternativas tecnologicamente possíveis. É preciso que estas
alternativas conservem características realistas para que possam ser facilmente imaginadas
pelos entrevistados.
As principais características da técnica de preferência declarada são:
• o entrevistado é submetido a uma série de escolhas; o conjunto de alternativas é

construído de tal forma que considere os principais fatores que influenciam a
escolha relativa ao problema em estudo;
• o conjunto de opções apresentado ao entrevistado consiste em alternativas
hipotéticas, que não fazem parte do conjunto atual de alternativas, mas se
aproximam o máximo possível da realidade;
• cada alternativa é representada por um conjunto de atributos que identificam o
produto ou o serviço; o pesquisador deve incluir no experimento aqueles atributos
que mais identificam o produto ou o serviço analisado; a identificação destes
atributos pode ser realizada através de uma pesquisa prévia com a população onde
será aplicado o conjunto de opções;
• os níveis dos atributos em cada alternativa são especificados pelo pesquisador e
apresentados ao entrevistado na forma de opções de escolha; o número de
categorias para a variável deve ser o maior possível para que o pesquisador possa
distinguir até quanto os indivíduos estariam dispostos a trocar uma opção pela
outra; no entanto, um número muito elevado de categorias para a variável pode não
ser adequado, tornando o desenho do experimento muito mais difícil e prejudicando

o processo de escolha;
• o conjunto de alternativas é definitivamente especificado baseando-se em um
projeto experimental;
• os indivíduos podem informar as suas preferências com relação às alternativas de
três formas: colocando-as em ordem de preferência (ranking), submetendo-as a
uma escala de avaliação (rating) ou escolhendo a opção preferida do conjunto de
alternativas disponíveis (choice).
Assim, as técnicas de preferências reveladas e declaradas permitem aos pesquisadores que

estudem e modelem aspectos do comportamento dos usuários relativos à avaliação e
comparação para a escolha de produtos e serviços disponíveis que melhor atendam suas
necessidades e expectativas.
3.3 TEORIA DO COMPORTAMENTO DO CONSUMIDOR
Segundo Kotler (1976), o comportamento pode ser entendido como um mecanismo que o
indivíduo utiliza para dar resposta a um determinado evento na busca de satisfazer seus
desejos e necessidades.
Assim, o processo comportamental inicia-se com um estímulo interno que impulsiona o

indivíduo a uma ação (Kotler, 1976). No caso do comportamento do usuário dos
transportes, o estímulo que impulsiona o indivíduo a uma ação (ou escolha do modo de
transporte) é a necessidade de deslocar.
Essa necessidade de deslocamento está orientada por um motivo, que pode ser trabalho,
escola, lazer, residência, etc, e está condicionada segundo Ortúzar (1994) apud Ortúzar e
Róman (2003) pelas características: socioeconômicas do usuário (como a renda,
propriedade ou não de auto, grau de escolaridade, faixa etária e outros), dos modos de
transportes (como conforto, confiabilidade, custo, tempo de viagem) e da viagem (motivo
de viagem).
O indivíduo escolhe sempre a alternativa mais desejável, dado o conjunto de inclinações

(preferências), as condicionantes de ordem econômico-financeira e de oportunidades
disponíveis (NOVAES, 1986). Assim, o comportamento do usuário dos modos de
transportes obedece a um elenco de fatores que o usuário elege objetiva e subjetivamente
como prioridade para sua escolha.
Nota-se que, para a escolha do modo de transporte, o usuário certamente levará em

consideração o modo que lhe proporcione mais satisfação, seja pela qualidade, seja pelo
custo, ou pela agilidade.
O importante nesse processo é que a probabilidade de escolha do modo de transporte é

tanto maior, quanto maior a satisfação do usuário, e investimentos em modos de
transportes mais sustentáveis, como transporte coletivo, poderá condicionar ou motivar o
usuário a escolher esse em relação ao modo particular (auto).
O comportamento do consumidor é, portanto, marcado pelo processo de decisão dos

indivíduos em relação à escolha de um bem ou serviço. Louviere, Hensher e Swait (2000)
apud Cavalcante (2002), estruturaram o processo de decisão do consumidor em seis fases,
como mostra a Figura 2. Assim, a escolha do consumidor é considerada como um processo
seqüencial de tomada de decisão, em que o consumidor diante da necessidade ou desejo de
adquirir algum produto, coleta informações sobre as alternativas disponíveis e os valores
dos atributos, adquirindo então conhecimento sobre as alternativas. De posse dessas
informações o consumidor compara as alternativas e seus atributos, formando a sua
preferência individual. Depois disso, o consumidor escolhe sua alternativa e faz uma
reavaliação da sua escolha através da experiência da utilização dessa alternativa.
No processo de escolha os componentes que interferem no comportamento do consumidor

podem ser divididos em elementos externos (características de bem estar, restrições
situacionais) ou internos (percepções e preferências) (Lancaster, 1973 apud Ortúzar e
Román, 2003). Segundo esse autor, os primeiros servem para promover e restringir o
comportamento do mercado, e os últimos refletem a compreensão dos consumidores sobre
as opções que influenciam sua decisão em estratégias particulares.
FIGURA 2 - Processo de tomada de decisão.
Os elementos externos são amplamente observáveis por pesquisadores, já os internos são

mais difíceis de identificar. Sua existência e sua influência podem ser inferidas mediante a
aplicação das técnicas de preferência declarada e revelada, já mencionadas, as quais obtêm
dados de preferências e intenções comportamentais. A partir desses dados pode-se obter as
utilidades das alternativas para o consumidor.
A próxima seção trata dos modelos de escolha discreta que empregam os dados obtidos por
técnicas de preferências reveladas e declaradas para modelar, a partir das utilidades, as
intenções comportamentais do consumidor dos serviços de transportes.
3.4 TIPOS DE MODELOS DE ESCOLHA DISCRETA
Na modelagem de transportes os modelos de escolha discreta têm sido adotados para

abordar as escolhas modais, com o objetivo de representar o comportamento de um
indivíduo que deve realizar uma escolha dentro de um conjunto de alternativas (ônibus,
automóvel ou metrô, por exemplo) para realizar um deslocamento (ARCAY; BENÍTEZ,

2004 apud DEUS, 2008)
A partir dos dados obtidos com as técnicas de preferência revelada e preferência declarada,
a modelagem pode ser feita por um tipo de modelo de escolha discreta. Alguns dos
modelos de escolhas discretas mais utilizados para a análise de demanda em transportes
são obtidos por métodos de regressão.
A análise por regressão tem como interesse realizar previsões sobre os valores da variável
dependente (resposta) a partir dos valores das variáveis independentes (preditoras) e tem
por objetivo construir um modelo estatísticamente significante. A Figura 3 mostra a
classificação dos modelos de regressão.
Análise de Regressão
Regressão Linear Regressão Linear Regressão Não
Simples Multipla Linear
Exponencial Logística
FIGURA 3 - Classificação dos modelos de regressão.
Hutchinson (1979) ressalta que três tipos de modelos matemáticos têm sido usados para
construir funções de repartição modal para o comportamento individual, sendo estes:
análise discriminante, análise probit e análise logit.
3.4.1 Análise Discriminante
A análise discriminante é útil para construir modelos preditivos em que se deseje predizer
o grupo de pertinência de um caso a partir das características observadas. O procedimento
gera uma função discriminante baseada na combinação linear das variáveis preditoras que
proporcione a melhor discriminação possível entre os grupos (Manual SPSS, 2003). O
objetivo é encontrar uma combinação linear de variáveis explicativas, a fim de que as
distribuições dessas variáveis possuam pouca superposição (Hutchinson, 1979).
A técnica procura então extrair dos dados uma combinação linear das características dos
sujeitos (variáveis independentes) que melhor discriminem os grupos (Castro Júnior,
2003). Assim, o objetivo do modelo discriminante é encontrar uma combinação linear de
variáveis explicativas.
A técnica usada nos modelos discriminantes consiste em atribuir pesos que separarão tanto
quanto possível as médias dos valores para cada grupo e ao mesmo tempo tentará
minimizar a distância estatística e a média do próprio grupo (Castro Júnior, 2003). A
análise discriminante permite estimar os coeficientes da função discriminante linear que
assume a seguinte forma:

1
Onde:
k1, k2, ..., kn são os coeficientes de discriminação;
X1, X2, ..., Xn são as variáveis independentes.
Esta função transforma os valores de cada variável em um escore discriminante Z, que

então é usado para classificar o objeto de estudo (Castro Júnior, 2003).
3.4.2 Análise Probit
Outra análise empregada nos modelos de escolha discreta é conhecida como análise probit.
Nesta classe de modelos, a regressão é não-linear, e a variável dependente (Y), assim como
no logit binomial, só pode assumir dois valores. Assim, a função probit assume a forma de
S (sigmóide) e é uma relação funcional usada para representar a probabilidade de escolha
no intervalo [0,1]. Segundo Hill (2003) a estimativa do modelo probit é numericamente
complicada porque se baseia na distribuição normal.
Segundo Rocha e Dantas (2001), o modelo probit expressa a probabilidade P de yk tomar o

valor 1. Assim, tem-se a função de distribuição cumulativa da distribuição normal padrão:

1 Φ !" # $ 2

Onde:
Φ(.) é a função de distribuição normal padrão cumulativa;
β é o vetor de parâmetros das variáveis explicativas.
Com base em (2), pode-se estimar, via máxima verossimilhança, os parâmetros do modelo.
3.4.3 Análise Logit
Arango (2001) argumenta que a regressão logística é uma ferramenta da estatística para
situações nas quais se deseja predizer a presença ou ausência de uma determinada
característica ou resultado, baseado em valores de um conjunto de variáveis independentes.
O modelo logístico pode estimar a probabilidade máxima depois de transformar a variável
dependente em variável de base logarítmica, calculando a probabilidade de um evento.
Dentre os modelos mais aplicáveis para análise de demanda em transportes pode-se citar:
Análise logit multinomial, o logit hierárquico e logit binomial.
O modelo logit multinomial é o modelo de escolha discreta mais popular (Ortúzar e

Willunsen, 1990). Nesta forma a escolha do modo de transporte envolve mais de duas
opções, sendo representados como alternativas individuais para o viajante, conforme
observa-se na Figura 4.
Número Total de Viagens
Auto Caminhamento Ônibus Modo N
FIGURA 4 - Estrutura de um modelo logit multinomial.
Outra forma de calibração do logit é assumindo-se hierarquias entre os modos. O modelo

logit hierárquico, conforme exposto por Bierlaire (1999) apud Deus (2008), é uma
extensão do modelo logit multinomial designado a capturar correlações entre as
alternativas. Ele difere do modelo logit multinomial pelo fato de ser possível o
agrupamento de alternativas que sejam similares em uma mesma hierarquia.
A Figura 5 mostra a estrutura do modelo logit hierárquico. O modelo é então estimado

conforme os níveis estabelecidos para as alternativas que se deseja analisar.
Auto Caminhamento Ônibus Modo N
Auto_condutor Auto_passageiro
FIGURA 5 - Estrutura do modelo logit hierárquico.
Em muitos estudos, no entanto, a variável resposta qualitativa tem duas possibilidades e,

assim, pode ser representada como uma variável dummy, recebendo os valores 0 (zero) e 1
(um). Assim, a Figura 6 representa a estrutura do modelo logit binomial.
Ônibus Outros
FIGURA 6 - Estrutura modelo logit binomial.

O modelo de regressão logística binomial gera, portanto respostas de procedimentos

qualitativos do tipo presença ou ausência de um determinado atributo.
atribut Trabalhando com a
variável resposta dicotômica a esperança condicional obrigatoriamente deve ficar entre 0 e
1.
Considerações teóricas e práticas sugerem que quando a variável resposta é binária, a

forma da função resposta assumirá a forma sigmóide (S) (Hutchinson, 1979).
1979) A Figura 7
representa a função logística com assíntotas em zero e um.
FIGURA 7 - Função logística.
O modelo logístico tem sua importância na medida em que serve para descrever as
probabilidades, que no estudo corresponde à escolha individual do modo de transporte.
transporte Assim,
o capítulo seguinte trata do modelo de regressão logística binomial que será empregado para
modelagem dos dados.
Capítulo 4 Modelo de Regressão Logística Binomial 25
CAPÍTULO 4
MODELO DE REGRESSÃO LOGISTICA
BINOMIAL
O princípio do modelo é a calibração da função utilidade, ou seja, é o valor que o indivíduo
atribui a um produto ou serviço pela combinação de fatores, de forma que esse valor
corresponda ao máximo no conjunto de opções que estão à sua disposição (Ben-Akiva e
Lerman, 1985). O modelo permite captar a significância das variáveis explicativas e a
relação destas com a variável explicada.
Assim, a probabilidade de um indivíduo optar por uma alternativa é função de suas

características sócio-econômicas e da atratividade da alternativa em questão em
comparação a outras (Ben-Akiva e Lerman, 1985).
Para representar essa atratividade de uma alternativa em comparação com outras, utiliza-se
o conceito de utilidade. A utilidade representa então o benefício que um indivíduo percebe
quando consome seus recursos em diferentes bens ou serviços (ver Ben-Akiva e Lerman,
1985).
Segundo Manski (1977), historicamente os modelos de utilidade eram considerados um

subconjunto dos modelos probabilísticos de escolha, e foram inicialmente desenvolvidos
por psicólogos, na tentativa de caracterizar as inconsistências observadas nos padrões de
comportamento individual. Mais tarde, economistas, como McFadden (1968) adotaram
esses modelos econométricos como forma de representar a maximização do

comportamento do consumidor.
A quantificação da utilidade por meio de expressões matemáticas origina a função

utilidade. Essa função exprime matematicamente as preferências manifestadas e pode ser
usada para representar o nível de satisfação alcançado pelo indivíduo ao utilizar-se de bens
e serviços. Os valores desta função utilidade permitem estabelecer uma comparação entre a
utilidade proporcionada aos usuários pelos diferentes modos de transportes disponíveis
para o seu deslocamento.
Assim, a partir da definição da função que relaciona os atributos de um produto com a sua
utilidade resultante pode-se estimar o comportamento do consumidor diante das
alternativas disponíveis. A configuração comumente utilizada para a função utilidade
segue um modelo linear aditivo (Ben Akiva e Lerman, 1985) cuja forma matemática é
dada por:
&' " "

" " 3
Onde:
Vi h é a utilidade da alternativa i para o indivíduo h;
βo é a constante do modelo;
β1, β2, ..., βk, são os parâmetros do modelo, onde k é a quantidade de atributos das
alternativas;
Xi1, Xi2, Xik são os valores dos atributos das alternativas.
Como pode-se ver em Ben-Akiva e Lerman (1985), os coeficientes da função podem ser
usados para objetivos distintos, tais como:
1. determinar a importância relativa dos atributos incluídos no experimento;

2. determinar valores de tempo;
3. especificar a função utilidade para modelos de predição;
4. obter o valor da função utilidade;
Este tipo de função é compensatória, à medida que pode-se manter o mesmo nível de
utilidade alternando-se dois atributos. A função utilidade assim definida baseia-se em
algumas premissas básicas, a saber:
1. consistência – sob condições idênticas a probabilidade de escolher-se uma certa

alternativa não deve se alterar;
2. transitividade – comparando-se duas alternativas i e j, através de suas utilidades e,

depois comparando-se as alternativas j e k, a seguinte afirmativa deve ser
verdadeira: se a alternativa i é melhor que a alternativa j e a alternativa j é melhor
que a alternativa k, então a alternativa i é melhor que a alternativa k (Ben-Akiva e
Lerman, 1985);
A partir das utilidades das alternativas chega-se a probabilidade de escolha para o modelo
logit binomial, dado pela expressão:
' ) *+, / ) *+, 4

-.'
Onde:
' é a probabilidade de escolha da alternativa i para o indivíduo h;
Vih e Vjh as utilidades sistemáticas das alternativas i e j para o indivíduo h,

respectivamente;
β é o parâmetro;
Ch corresponde ao conjunto de alternativas disponíveis para o indivíduo h.
Para evitar o problema restritivo de que os valores de probabilidade são números no

intervalo de 0 e 1, a função logística pode ser linearizada pela transformação logit. Assim,
o modelo logístico pode estimar a probabilidade máxima depois de transformar a variável
dependente em variável de base logarítmica, calculando a probabilidade de um evento

acontecer.
4.1 ESTIMATIVA DO MODELO LOGIT BINOMIAL
A estimativa do modelo logit binomial é feita com base no algoritmo de máxima

verossimilhança, que estima o conjunto de parâmetros relativos ao ajuste do modelo. O
ajuste por máxima verossimilhança tem por objetivo obter, a partir de uma amostra,
estimativas de parâmetros estatísticos, assegurando consistência, eficiência e ajuste dos
parâmetros do modelo (Manual SPSS, 2003). Entretanto, para que o processo de estimação
de máxima verassimilhança seja confiável, exigem-se grandes amostras. Segundo Hill
(2003), em grandes amostras, o estimador de máxima verossimilhança é distribuído
normalmente, consistente, e é o melhor, já que nenhum outro estimador análogo tem
menores variâncias.
4.1.1 Testes de Significância
Os testes estatísticos para avaliar a significância dos parâmetros dos modelos calibrados no
SPSS foram: o pseudo R2 (Cox & Snell e de, Nagelkerke), a estatística de Wald (W), o
teste de Hosmer e Lemeshow e a razão de chances (odds ratio). Segue uma descrição dos
testes empregados para interpretação e validação dos modelos calibrados.
4.1.2 Pseudo R2
Os modelos logits não têm uma medida com significado intuitivo como o R2 na regressão
linear. Assim, várias estatísticas pseudo R2 tem sido sugeridas e o programa SPSS 11.0
calcula duas estatísticas: pseudo R2 de Cox & Snell (Equação 5) e o pseudo R2 de
Nagelkerke (Equação 6) cujos valores são menores ou iguais a um. Esses valores
correspondem a uma fração da variância que é compartilhada entre as variáveis (Doria
Filho, 1999) e são calculados com base na função de verossimilhança (Hosmer e
Lemeshow, 1989).
Pseudo R2 de Cox & Snell

2244566
1 1 2 3 7 5
2244
Pseudo R2 de Nagelkerke
:
9:;;<=>> <
3 7

9:;;?
1 : 6

@@<=>> <
4.1.3 Estatística de Wald (W)
Outra importante estatística para avaliar a significância do logit é o teste de Wald. A

estatística W é uma alternativa comumente utilizada para testar a significância individual
dos coeficientes de cada variável independente. As hipóteses que são consideradas são as
mesmas para o teste da razão de verossimilhança, ou seja, o teste compara a estimativa da
máxima verossimilhança do coeficiente da inclinação da reta b1 com uma estimativa do
seu erro padrão. O resultado, sob a hipóstese nula que b1 = 0 seguirá uma distribuição
normal padronizada.
O teste de Wald é usado para examinar restrições impostas aos coeficientes da regressão e
calcula uma estatística que mede a eficiência das estimativas dos coeficientes da regressão
original em satisfazer as restrições da hipótese nula. Assim, o teste de Wald é utilizado
para testar a significância estatística de cada coeficiente (β1) no modelo (Figueira, 2006).
O teste de Wald é obtido através da comparação da estimativa de máxima verossimilhança

do parâmetro, β1, com estimativa de seu erro padrão (Hosmer e Lemeshow, 2000).
"C

B 7
F "C

DE
Onde:
("C
) é o parâmetro da estimativa de máxima verossimilhança;
F "
) é o erro padrão da estimativa de máxima verossimilhança.
DE
4.1.4 Teste de Hosmer e Lemeshow’s Goodness of fit test
No SPSS é realizado o teste de Hosmer e Lemeshow para avaliar o ajuste do modelo. Se a

estatística do teste for maior que o nível de significância α adotado, rejeita-se a hipótese de
que não há diferença entre os valores observados e preditos implicando, assim, que o
modelo descreve bem os dados no nível adotado (Figueira, 2006). O teste associa os dados
as suas probabilidades estimadas da mais baixa a mais alta, então faz um teste qui-
quadrado para determinar se as freqüências observadas estão próximas das freqüências
esperadas (Hosmer e Lemeshow, 1989).
4.1.5 Razão de Chances ou Odds Ratio
A razão entre probabilidades é definida como a relação entre as probabilidades para $ 1

e a probabilidade para $ 0 dada conforme a Equação 8. Hosmer e Lemeshow (2000)
demonstram que para a regressão logística binomial as chances de o resultado estar
presente entre os indivíduos com x = 1 é definido como I1/K1 2 I1L. Da mesma
forma, as chances de o resultado estar presente entre os indivíduos com x = 0 é definido
como I0/K1 2 I0L. O odds ratio, denotado por OR, é definida como a razão de
chances para $ 1 para a razão $ 0, e é dada pela Equação 8:
I1
K1 2 I1L
M1 8
I0
K1 2 I0L
Substituindo a expressão pelo modelo de regressão logístico, tem-se que:
) O PQ

1 )O PQ
1
O PQ ) O PQ
M1 1 ) ) O PQ O ) Q 9
) O ) O

1 )O
1
1 )O
O odds ratio compara a probabilidade de sucesso para $ 1 com a probabilidade de

sucesso para $ 0, em que ) Q é a mudança multiplicativa nas probabilidades de sucesso,
correspondendo ao aumento de uma unidade em x (Figueira, 2006).
O próximo capítulo trata dos procedimentos para calibração do modelo, utilizada para
alcançar os resultados.
Capítulo 5 Calibração do Modelo 32
CAPÍTULO 5
CALIBRAÇÃO DO MODELO
A metodologia empregada neste trabalho consta de duas etapas principais. A primeira
etapa trata da revisão dos aspectos teóricos sobre o modelo clássico empregado em
planejamento de transportes e dos fundamentos teóricos sobre os quais se assentam os
modelos de escolha discreta utilizados para modelar o comportamento de escolha na etapa
de divisão modal.
A segunda etapa trata dos aspectos práticos do trabalho, em que a partir dos conceitos
estudados e de uma amostra do banco de dados da pesquisa O/D da cidade de Uberlândia
(MG), realizou-se a calibração de três modelos de regressão logística binomial para a
análise da etapa de divisão modal.
A calibração dos modelos de regressão logística para a etapa de divisão modal foi realizada
utilizando-se o software Stastistical Package for Social Sciences (SPSS), que através de
métodos estatísticos fornece os coeficientes para a função utilidade, tornando possível
estimar as probabilidades de escolhas dos usuários de transportes. Dessa forma, na próxima
sessão são apresentados aspectos relativos ao banco de dados empregado na modelagem.
Após determinar o tamanho da amostra o passo seguinte foi definir as variáveis que fariam
parte do banco de dados, uma vez que os dados da pesquisa O/D possui variáveis
explicativas sobre as características das viagens e dos indivíduos pesquisados.
Optou-se por selecionar no banco de dados da pesquisa O/D as seguintes variáveis: o

tempo de viagem, motivo de viagem, número de viagens realizadas pelo indivíduo, tempo
de residência, tipo de domicilio, condição de moradia, nível de instrução, situação familiar,

idade, sexo, classe de atividade e renda.
A variável relacionada ao nível socioeconômico do indivíduo foi calculada com base no

critério de classificação ABA/Abipeme (Associação Brasileira dos
Anunciantes/Associação Brasileira dos Institutos de Pesquisa de Mercado). Este critério
classifica os indivíduos segundo as seguintes classes A1, A2, B1, B2, C1, C2, D e E. A
Tabela 1 mostra as classes socioeconômicas, a pontuação de corte e a porcentagem das
classes socioeconômicas no Brasil.
Tabela 1 - Cortes do Critério Brasil

Classe Pontos Total Brasil (%)
A1 42 - 46 0,9
A2 35 - 41 4,1
B1 29 - 34 8,9
B2 23 - 28 15,7
C1 18 - 22 20,7
C2 14 - 17 21,8
D 8 - 13 25,4
E 0-7 2,6
Fonte: ABEP - Associação Brasileira de Empresas de Pesquisa, 2008.
No método ABA/ABIPEME, a renda familiar é um dos principais indicadores de

classificação dos indivíduos entre as classes. Os responsáveis pela elaboração do sistema
acreditavam que, durante a coleta dos dados, algumas pessoas poderiam se recusar a
responder diretamente o valor de sua renda (Associação Brasileira de Empresas de
Pesquisa, 2008). Assim, o método de classificação dos consumidores entre as classes
devem empregar variáveis que possam garantir uma boa estimação da renda doméstica.
Com este objetivo, o critério ABA/ABIPEME selecionou oito indicadores discriminantes

da renda: número de rádios, TV em cores, automóveis, aspirador de pó, máquina de lavar
roupa, geladeira, empregada mensalista, banheiros e nível educacional do chefe de família.
Com base na pontuação estabelecida pela ABA/ABIPEME atribui-se pontos à posse destes
itens e calculou-se a pontuação para todos os indivíduos do banco de dados. Conforme a
pontuação de corte em cada classe, os indivíduos da O/D foram então classificados.
A partir da obtenção do banco de dados faz-se necessário algumas considerações sobre os dados de
entrada na calibração do modelo.
5.1 CONSIDERAÇÕES SOBRE OS DADOS DE ENTRADA
Neste trabalho optou-se por calibrar três modelos logits binomiais. A estrutura do modelo
apresenta, portanto três níveis hierárquicos que são os três modos de transporte
selecionados para análise, conforme mostra a Figura 8.
No primeiro nível hierárquico a variável dependente possui valor “1” para a escolha do
“modo auto” e valor “0” para a escolha de “outro modo”. Neste caso o termo “outro”
responde pelos modos (caminhamento, ônibus, bicicleta e outros) sendo incluídas na
análise 1045 observações.
O segundo nível apresenta valor “1” para o “modo caminhamento” e valor “0” para “outro
modo”. No segundo nível 809 observações foram incluídas na calibração do modelo.
Por fim, o terceiro nível refere-se à escolha do “modo ônibus” assumindo-se valor “1” para
essa escolha e valor “0” para a escolha de “outro modo”. Neste nível o número de
observações incluídas na análise foi de 503.
Os dados de entrada para a calibração do modelo obedeceram aos seguintes critérios:
A variável dependente é categórica e as variáveis independentes são fatores ou

covariáveis. Em geral, os fatores são variáveis categóricas e covariáveis devem ser
variáveis contínuas (Manual SPSS, 2003).
NÚMERO TOTAL DE VIAGENS

(1045)
AUTO OUTROS
(236) (809)
CAMINHAMENTO OUTROS
(306) (503)
ÔNIBUS OUTROS
(441) (62)
FIGURA 8 - Etrutura do modelo calibrado.

Neste caso a variável dependente ou resposta refere-se à escolha do modo de transporte,

enquanto as variáveis independentes referem-se às características relativas à viagem e ao
usuário. A Tabela 2 mostra a codificação da variável dependente para os três modelos
calibrados.
Tabela 2 - Codificação da Variável Dependente nos Três Modelos

Variável Dependente (Y) Dicotômica
Modo de Transporte Opções de Transporte

Nível Hirárquico 1 - Modelo 1 1= auto 0 = outros
Nível Hirárquico 2 - Modelo 2 1 = caminhamento 0 = outros
Nível Hirárquico 3 - Modelo 3 1 = ônibus 0 = outros
É importante ressaltar que a cada modelo calibrado o valor “1” foi atribuído ao modo em
análise no modelo. Além disso, em alguns casos os níveis das variáveis foram agregados
uma vez que o modelo não responde bem quando se usa muitos níveis para as variáveis
explicativas podendo levar a erros nos valores dos parâmetros. Dessa forma, segue-se uma
descrição das variáveis explicativas que fazem parte do banco de dados.
Motivo de viagem
A variável, motivo de viagem, refere-se ao motivo que levou o indivíduo a realizar o seu
deslocamento. Os principais motivos relacionados na pesquisa foram: trabalho, escola,
residência e outros.
As viagens por motivo de trabalho e escola são aquelas em que o indivíduo saiu da sua
residência e dirigiu-se ao seu local de trabalho ou à instituições de ensino. No caso das
viagens que tiveram como motivo a residência, estas dizem respeito aquelas viagens em
que o indivíduo saiu do seu local de origem e o seu destino final foi a sua residência.
Tempo de viagem
Para a variável tempo de viagem foi considerado o tempo total de deslocamento do

usuário. Assim, esse tempo total de viagem inclui o tempo de deslocamento na origem e no
destino mais o tempo de espera pelo transporte. O tempo tem valor e esses valores de
tempo podem ser usados para avaliações de projetos e para avaliações de comportamento
de demandas (Ortúzar e Willunsen, 1990). Assim, o tempo de viagem é um fator chave no

cálculo de custos em transportes e permite avaliar o tempo total em cada modo ou rota,
sendo, portanto, um parâmetro importante no processo de escolha dos usuários dos modos
de transportes.
Número de viagens
Esta variável diz respeito ao número de viagens realizadas pelo indivíduo no dia, e reflete
características do comportamento de escolha, pois evidencia o quanto os usuários
deslocaram-se em suas viagens diárias.
Propriedade de auto
A variável propriedade de auto refere-se aqueles indivíduos que têm ou não auto. A
propriedade ou não de auto reflete a característica de usuários “cativos” ou com “escolha”.
Indivíduos com propriedade de auto pode escolher o modo que melhor corresponda as suas
necessidades, enquanto que, indivíduos que não tem propriedade de auto tornam-se cativos
de outros modos de transportes.
Tipo de domicílio
A variável, tipo de domicílio secciona os domicílos em particulares e coletivos. Os

particulares são aqueles que apresentaram apenas uma residência, enquanto os domicílios
coletivos referem-se aqueles que apresentam mais de uma residência no domicílio.
Número de pessoas no domicílio e Número de famílias no domicílio
A primeira diz respeito ao número de pessoas residentes no domicílio, enquanto a segunda

mostra o número de famílias que residem no domicílo.
Condição de moradia e Tempo de residência
A condição de moradia mostra se o domicílio é próprio ou não próprio (neste caso pode ser
alugado ou outra condição).
Já o tempo de residência refere-se ao número de meses que o indivíduo reside no

domicílio.
Sexo e Situação familiar
Quanto à variável sexo, os indivíduos foram classificados em masculino e feminino. Já no

caso da variável situação familiar refere-se à condição de ser chefe de família ou não.
Classe de atividade
A classe de atividade é outra variável de caraterização socioeconômica do indivíduo. Nesta

variável distinguiram-se cinco classes de atividade que são: setor agrícola, construção civil,
funcionário público, setor de serviços e autônomos.
Renda mensal
A renda é outra importante variável de caracterização socioecnômica do indivíduo e para

análise de comportamento de escolha. Esta variável mostra as faixas salariais em que cada
indivíduo insere-se.
Nível de instrução e Idade
A variável, nível de instrução, diz respeito aos aspectos da escolaridade dos indivíduos
amostrados. Já a variável idade refere-se à faixa etária em que se encontra o indivíduo.
Classificação ABA/ABIPEME
A variável de classificação ABA/ABIPEME refere-se a classificação socioeconômica do

individuo, e leva em consideração itens de conforto presentes no domicílio e escolaridade
do chefe do domicílio para a classificação.
Na Tabela 3 são apresentadas as variáveis que foram utilizadas na calibração dos modelos
e o valor atribuído a cada item de escolha.
Tabela 3 - Valor das Variáveis Explicativas

Variáveis Independentes (X1, X2,..., Xn) Categóricas
Motivo de viagem 1 = trabalho

2 = escola
3 = residência
4 = outros
Propriedade de auto 0 = não possui
1 = possui
Sexo 0 = feminino
1 = masculino
Tipo de domicílio 0 = coletivo
1 = particular
Situação familiar 0 = não chefe
1 = chefe de família
Classe de atividade 1 = setor agrícola
2 = construção civil
3 = funcionário público
4 = setor de serviços
5 = autônomos
6 = outros
Renda mensal 1 = 0,0 – 2,0 Salários Minímos
2 = 2,1 – 4,0 Salários Minímos
7 = ≥ 20,1 Salários Minímos
Nível de instrução 1 = analfabeto/primário incompleto
2 = primário completo/ginásio incompleto
3 = ginásio completo/colegial incompleto
4 = colegial completo/superior incompleto
5 = superior completo
Condição de moradia 0 = não própria
1 = própria
Classificação ABA/ABIPEME 1=E
2=D
3 = C2
4 = C1
5 = B2
6 = B1
7 = A2
8 = A1
Idade 1 = até 18 anos
2 = 18 a 30 anos
3 = 30 a 40 anos
4 = mais de 40 anos
Variáveis Independentes Contínuas/Discretas
Tempo de viagem; Número de pessoas no domicílio; Número de viagens realizadas; Tempo de residência; Número de famílias no
domicílio.
Por fim, selecionada a amostra, as variáveis e o conjunto de escolha que foi dado pelos
modos de transportes (automóvel, caminhamento, ônibus e outros) o próximo passo foi
calibrar os modelos utilizando o software SPSS.
5.2 SOBRE O SOFTWARE SPSS
O Statistical Package for Social Sciences (SPSS) é um sistema computacional para

preparação e análise de dados, desenvolvido com o objetivo de assistir às necessidades
técnicas e metodológicas de profissionais que utilizam métodos quantitativos como
instrumentos de trabalho (Ferreira, 1999). O software possui um grande número de
técnicas estatísticas que permitem manipular, criar tabelas e gráficos que resumam as
informações disponíveis auxiliando a tomada de decisão.
Feita a escolha das variáveis, conforme classificadas em fatores e covariáveis, procedeu-se

à especificação do modelo. No SPSS 11.0 foi aplicado o modelo de regressão logística
binomial, utilizando o método foward stepwise Wald para definir o modelo final que
minimiza o número de variáveis e maximiza a precisão do modelo. Utilizando este método
as variáveis entram no modelo uma a uma com base na significância estatística (nível
adotado α = 0,050), sendo eliminadas aquelas que não são estatisticamente significantes. A
eliminação ocorre com base na estatística de Wald (Manual SPSS, 2003).
Sendo assim, com base nos conceitos apresentados sobre o comportamento do consumidor
no processo de escolha dos modos de transportes, dos fundamentos dos modelos de escolha
discreta empregados na análise de demanda e na metodologia proposta para o
desenvolvimento do trabalho, o capítulo seguinte trata da aplicação prática dos conceitos
estudados. Será apresentado o estudo de caso realizado na cidade de Uberlândia e os
resultados alcançados.
Capítulo 6 Estudo de Caso e Resultados 41
CAPÍTULO 6
ESTUDO DE CASO E RESULTADOS
A área de estudo compreende a cidade Uberlândia que é uma cidade de médio porte, e está
localizada no Triângulo Mineiro (MG). A cidade conheceu a partir do final da década de
1960 um crescente processo de urbanização, que se intensificou nas décadas seguintes.
Hoje com uma população que segundo dados do Instituto Brasileiro de Geografia e
Estatística (IBGE/2009) ultrapassam os 600.000 habitantes e uma frota de
aproximadamente 263.876 veículos (Departamento Nacional de Trânsito/2009), assiste-se
ao crescimento dos problemas relacionados aos sistemas de transportes urbanos.
O crescimento contínuo e dinâmico da cidade promoveu uma diversificação das atividades

(comerciais, econômicas e sociais) no perímetro urbano passando assim, a exigir da
população deslocamentos cada vez mais longos entre a origem e destino das viagens. Além
disso, os motivos de viagens tornaram-se cada vez mais variados, contribuindo
significativamente para o aumento da demanda por transportes.
Devido às características de ocupação, crescimento e desenvolvimento econômico, a

cidade foi dividida em setores. O sistema de setorização da área urbana de Uberlândia,
criado pela Lei n° 6022 de 24 de maio de 1994, para fins de orientação e direcionamento,
dividiu a cidade em cinco setores: Central, Norte, Sul, Leste e Oeste (Lima, 2000).
Os cinco setores da cidade foram divididos em 65 zonas de tráfego conforme dados sócio-
econômicos e das viagens realizadas entre os pontos de origem e destino. Os principais
modos de transportes disponíveis à população foram o ônibus, vans, caminhão, o

automóvel, motocicleta, bicicleta, caminhamento e outros.
A Figura 9 mostra a divisão da cidade de Uberlândia em sessenta e cinco zonas de tráfego.
FIGURA 9 - Zonas de tráfego da cidade de Uberlândia (MG).
6.1 ANÁLISE DESCRITIVA DOS DADOS
A pesquisa O/D foi realizada em 2002 pela Faculdade de Engenharia Civil da

Universidade Federal de Uberlândia (FECIV) e a Secretaria Municipal de Trânsito e
Transporte (SETTRAN). A amostra representativa foi constituída de 11.901 pessoas
entrevistadas em 3.126 domicílios.
O banco de dados que será utilizado na calibração dos modelos é uma parte dos dados da
pesquisa O/D e consta de uma amostra por zona de tráfego com margem de erro 3% e nível
de confiança de 95%, num total de 1045 observações. Na Tabela 4 consta a amostra
selecionada para as 65 zonas de tráfego. Observa-se que em alguns casos um único bairro
foi dividido em mais de uma zona de tráfego.
Tabela 4 - População e Amostra das 65 Zonas de Tráfego

ZONA BAIRRO (S) POP. AMOSTRA ZONA BAIRRO (S) POP. AMOSTRA
1 Centro 8.546 15 34 Sta Mônica 33.773 19
2 Nossa Sª Aparecida 14.916 15 35 Segismundo Pereira 19.380 5
3 Cazeca 3.623 3 36 Sta Mônica 33.773 23
4 Lídice 5.612 10 37 Sta Mônica 33.773 17
5 Fundinho 3.329 6 38 Segismundo Pereira 19.380 27
6 Osvaldo Rezende 24.211 17 39 Lagoinha 12.013 22
7 Martins 11.243 9 40 Sta Luzia 4.681 9
8 Bom Jesus 5.882 11 41 Granada 9.060 16
9 Nossa Sª Aparecida 14.916 12 42 Laranjeiras + São Jorge 43.604 67
10 Cazeca 3.623 4 43 Jardim Karaíba 2.211 4
11 Tabajaras 7.637 14 44 Nova Uberlândia 5
12 Daniel Fonseca 5.710 11 45 Tubalina + Cidade Jardim 16.610 30
13 Osvaldo Rezende 24.211 25 Jardim das Palmeiras + Jardim Holanda

46 27.583 49
14 Martins 11.243 11 + Canãa + Panorama
15 Brasil 15.303 19 47 Morada Nova*
16 Brasil 15.303 7 48 Planalto 18.237 32
17 Tibery 22.583 3 49 Jaraguá 10.043 18
18 Tibery 22.583 6 50 Chacáras Tubalina 4.933 9
19 Tibery 22.583 30 51 Mansour 9.087 16
20 Saraiva 10.085 18 52 Jardim Patrícia + Dona Zulmira 10.377 18
21 Vigilato Pereira 5.310 10 53 Luizote de Freitas 22.594 15
22 Morada da Colina 2.034 4 54 Luizote de Freitas 22.594 10
23 Patrimônio 3.956 7 55 Luizote de Freitas 22.594 15
24 São José + Jardim Brasília 15.958 28 56 Taiaman 8.729 16
25 Presidente Roosevelt 25.087 33 57 Tocantins + Guarani 25.697 46
26 Presidente Roosevelt 25.087 9 58 Morada do Sol 480 1
27 Maravilha + Pacaembu 16.057 28 59 Distrito Industrial 2.999 6
28 Residencial Gramado + Esperança 2.892 6 60 Minas Gerais 6.542 12
29 Sta Rosa 20.020 34 61 Buritis 9.677 17
30 Cruzeiro do Sul 7.008 13 62 Jardim Ipanema 7.474 14
31 Marta Helena 11.657 21 63 Mansões Aeroporto 1.468 3
32 Umuarama 3.643 7 64 Dom Almir 4.404 8
33 Custódio Pereira 11.086 20 65 Morumbi + Alvorada 16.799 30
* não censiado População (POP./2007) 608.369 1.045

As informações sobre as viagens na cidade de Uberlândia foram obtidas a partir da

pesquisa O/D realizada na cidade em 2002. Os dados coletados nessa pesquisa dizem
respeito às viagens realizadas e contém informações sobre a origem e o destino de viagem,
o tempo de viagem, os modos e motivos de viagem, além de informações socioeconômicas
sobre as pessoas que realizaram as viagens.
A amostra selecionada para esta pesquisa contém 1045 observações. A Tabela 5 e a Figura
10 apresentam a distribuição das viagens de acordo com o modo de transporte utilizado.
Tabela 5 - Modos de Transportes

Modos de Transportes Total %
Transporte Coletivo 366 35,0

Caminhamento 293 28,0
Auto_Motorista 115 11,0
Auto_Passageiro 105 10,0
Bicicleta 73 7,0
Moto 42 4,0
Van 31 3,0
Outros 16 1,5
Ônibus escolar 5 0,5
Total 1.045 100,0
FIGURA 10 - Distribuição das viagens por modo de transporte.

Verifica-se que 73,5% das viagens são realizadas pelos modos não motorizados
(caminhamento, bicicleta) e transporte coletivo, considerados importantes para a
sustentabilidade do tráfego nas cidades. Apesar de a cidade possuir a segunda frota de
veículos do estado, as viagens pelo modo automóvel somam 21% das viagens. Já o modo
bicicleta foi utilizado em uma pequena parcela das viagens, apenas 7%, o que pode ser
resultado da falta de espaços adequados (ciclovias e bicicletários) para esse modo de
transporte já que a topografia da cidade é plana favorecendo os deslocamentos por esse
modo.
Devido às características da amostra optou-se por agregar alguns níveis da variável

dependente. Dessa forma, para a calibração dos modelos considerou-se os modos com
maiores porcentagens de uso pelos indivíduos. Assim, na Tabela 6 e na Figura 11 são
apresentados os modos agregados de maior relevância para essa pesquisa, que foram o
auto, o caminhamento, o ônibus e outros.
• O modo ônibus inclui o transporte coletivo, transporte escolar e van. Neste caso o
modo “Van” refere-se ao serviço oferecido pelo projeto Passe Livre, que
funcionava como um complemento ao sistema de transporte coletivo da cidade em
2002;
• O modo auto, considera o automóvel (tanto usuários que são motoristas como
aqueles que são passageiros);
• O caminhamento refere-se às viagens realizadas pelo modo à pé;
• E outros, que inclui as viagens realizadas pelos modos bicicleta, moto e outros.
Tabela 6 - Modos de Transportes Agregados

Modos de Transporte Agregados Total %
Transporte Coletivo 402 38,5

Caminhamento 293 28,0
Auto 219 21,0
Outros 131 12,5
Total 1.045 100,0

FIGURA 11 - Porcentagem das viagens pelos modos agregados.
Para
ara a caracterização do padrão de escolha das viagens as variáveis selecionadas no banco
de dados da pesquisa O/D foram:
foram: o motivo de viagem, o tempo total de viagem e o número
de viagens realizadas pelos indivíduos. A Tabela 7 apresenta o total das viagens
distribuidas pelos motivos de viagem.
Tabela 7 - Distribuição das Viagens por Motivo

Motivo da Viagem Total %
Residência 449 43,0

Trabalho 282 27,0
Escola 188 18,0

Outros 84 8,0
Lazer 42 4,0
Total 1.045 100,0
A Figura 12 mostra a porcentagem de viagens realizadas, segmentadas

segmentada pelo motivo de
viagem. Pode-se observar que os motivos escola e trabalho representam a maior parcela
das viagens num total de 45%, e o motivo residência refere-se
refere se às viagens com retorno para
casa e representa 43%.
FIGURA 12 - Distribuição das viagens por motivo.
Além disso, na Tabela 8 e na Figura 13 pode-se

pode se observar que 50% das viagens são
realizadas em até meia hora num total de 523 indivíduos realizando suas viagens nesse
intervalo de tempo.. Em 33,5% dos casos os usuários gastam entre meia hora a uma hora
para realizar a viagem entre a origem e o destino. E somente em 4,5% dos casos o tempo
de viagem ultrapassou uma hora e meia de viagem.
Tabela 8 - Distribuição das Viagens por Tempo Gasto no Deslocamento

Tempo de Viagem Total %
até 0,5 hrs 523 50,0
de 0,5 a 1 hrs 350 33,5
de 1 a 1,5 hrs 125 12,0
de 1,5 a 2 hrs 31 3,0
de 2 a 2,5 hrs 10 1,0
mais de 2,5 hrs 5 0,5
Total 1.045 100,0

FIGURA 13 - Tempo de viagem.
Quanto ao número de viagens feitas por dia pelo indivíduo, 88% dos usuários realizaram
até duas viagens por dia, 11% de três à quatro viagens e apenas 1% realizaram mais de
cinco viagens por dia conforme mostra a Tabela 9 e a Figura 14.
Tabela 9 - Distribuição das Viagens por Número de Viagens Realizadas

Número de Viagens Realizadas Total %
até 2 viagens 920 88

88,0
de 3 a 4 viagens 115 11
11,0
mais de 5 viagens 10 1
1,0
Total 1.045 100

100,0
FIGURA 14 - Número de viagens realizadas pelos indivíduos/dia.
Com relação às características dos usuários pode-se

p observar que 52% da amostra
corresponde à indivíduos do sexo feminino e 48% à indivíduos do sexo masculino, como
apresentado na Tabela 10 e na Figura 15.
Tabela 10 - Divisão da Amostra por Sexo

Sexo Total %
Masculino 502 48,0

,0
Feminino 543 52,0

,0
Total 1.045 100,0

,0
FIGURA 15 - Porcentagem dos indivíduos por sexo.
Conforme mostra a Tabela 11 e a Figura 16, desses indivíduos 26 % estão na faixa etária
até dezoito anos, o que pode ser considerado como um fator de limitação ao uso do auto
como condutor, uma vez que pela legislação brasileira apenas maiores de dezoito anos
podem habilitar-se
se para conduzir veículos. Observa-se
Observa se ainda que indivíduos na faixa etária
de dezoito à trinta anos e de trinta à quarenta
quarenta anos somam 40% da amostra e 34% dos
indivíduos possuem mais de quarenta anos.
Tabela 11 - Faixa Etária dos Indivíduos

Faixa Etária Total %
Até 18 anos 272 26
18 à 30 anos 219 21
30 à 40 anos 199 19
Mais de 40 anos 355 34
Total 1.045 100

FIGURA 16 - Faixa etária dos indivíduos.
A Tabela 12 e a Figura 17 mostram que, quanto ao nível de instrução 18% dos indivíduos
não são alfabetizados ou possuem apenas o primário incompleto, 32% possue primário
completo ou ginásio incompleto, 15% ginásio completo ou colegial
colegial incompleto,
in 23%
colegial completo ou superior incompleto e apenas 12% possuem curso superior completo.
Tabela 12 - Nível de Instrução

Nível de Instrução Total %
Primário completo/ginásio incompleto 334 32,0
Colegial completo/superior incompleto 240 23,0
Analfabeto/primário incompleto 188 18,0
Ginásio completo/colegial incompleto 157 15,0
Superior completo 125 12,0
Total 1.045 100,0

FIGURA 17 - Nível de instrução dos indivíduos.
Quanto à situação familiar a Tabela 13 e a Figura 18 mostram que 40% dos entrevistados
no domicílio declararam-se
se como filhos, 31% ocupam a posição de chefe de família, 18%
são cônjuges, 8% sãoo parentes, 2% empregados e 1% outros.
Tabela 13 - Situação Familiar

Situação Familiar Total %
Filho 418 40,0
Chefe 324 31,0
Conjugê 188 18,0
Parente 84 8,0
Empregado 20 2,0
Outros 11 1,0
Total 1.045 100,0

FIGURA 18 - Situação familiar.
Com relação à propriedade de automóvel

omóvel a Tabela 14 e a Figura 19 mostram que 58%
58 dos
indivíduos da amostra possuem auto, enquanto que, 42% não possuem.
Tabela 14 - Propriedade de Auto

Propriedade de Auto Total %
Possui 606 58
58,0
Não possui 439 42

42,0
Total 1.045 100

100,0
Essas porcentagens confirmam a estatística do IBGE, que mostra um índice de

aproximadamente 2,83 pessoas por veículos na cidade. A propriedade ou não de automóvel
significa para os serviços de transportes a subdivisão do mercado em viajantes cativos do
transporte coletivo e viajantes com escolha (Hutchinson, 1979). Assim, a propriedade de
auto permite aoo usuário escolher o modo de transporte que melhor atende suas expectativas
e necessidades, enquanto que, a não propriedade de auto torna o usuário “cativo” de outro
modo de transporte sem a possibilidade de escolher o modo auto,
auto, sendo, portanto, uma
característica importante na análise do comportamento
comporta de escolha.
FIGURA 19 - Propriedade de auto.
A Tabela 15 e a Figura 20 refere-se

refere se a classe de atividade e diz respeito à ocupação
profissional dos entrevistados. Observa-se
Observa se que 56% dos indivíduos declararam-se
declararam
autônomos, 29% trabalham no setor de serviços, 9% são funcionários públicos, 4%
trabalham na construção civil e 2% no setor agrícola.
Tabela 15 - Classe de Atividade

Classe de Atividade Total %
Autonômo 585 56,0

,0
Setor de serviços 303 29,0

,0
Funcionário público 94 9,0

,0
Construção civil 42 4,0

,0
Setor agrícola 21 2,0

,0
Total 1.045 100,0

,0
FIGURA 20 - Classe de atividade.
Com relação à renda mensal observa-se

observa se que 51% da amostra possue renda mensal até dois
salários mínimos, 31% de dois à quatro salários mínimos, 9% possui renda de quatro a seis
salários mínimos, 4% de seis a oito salários mínimos, e apenas 5% possuem renda acima
de oito salários mínimos, conforme mostra a Tabela 16 e a Figura 21.
Tabela 16 - Renda Mensal

Renda Mensal Total %
0,0 - 2,0 SM 533 51,0
2,1 - 4,0 SM 324 31,0
4,1 - 6,0 SM 94 9,0
6,1 - 8,0 SM 42 4,0
8,1 - 10,0 SM 21 2,0
10,1 - 20,0 SM 21 2,0
≥ 20,1 SM 10 1,0
Total 1.045 100,0

FIGURA 21 - Renda mensal.
Na Tabela 17 e na Figura 22 observa-se

observa se o perfil socioeconômico da amostra. Assim, as
classes socioeconômicas de maior representatividade são a B2, C2, C1 e D. Nota-se
Nota que
27% dos indivíduos pertencem à classe socioeconômica B2, 24% fazem
fazem parte da classe C2,
22% pertencem à classe C1, 19% pertencem à classe D e apenas 6% fazem parte da classe
B1. A classe A2 que corresponde ao nível socioeconômico mais elevado responde por
0,5% e a classe E que corresponde aos indivíduos de nível socioeconômico
socioeconômico mais baixo
responde por 1,5%.
Tabela 17 - Perfil Socioeconômico da Amostra

Classe Socioeconômica Total %
A2 5 0,5
B1 63 6,0
,0
B2 282 27,0
,0
C1 230 22,0
,0
C2 251 24,0
,0
D 199 19,0
,0
E 16 1,5
Total 1.045 100,0
,0
FIGURA 22 - Porcentagem das classes socioeconômicas.
Comparando-se
se os índices nacionais apresentados pela ABEP (2008) na Figura 23, aos
índices apresentados pela amostra da cidade de Uberlândia na Figura 22, mostram que os
indivíduos pertencentes
encentes às classes C1 (pontuação entre 18 - 22), C2 (pontuação entre 14 -
17) e D (pontuação entre 8 - 13) formam o extrato da população considerada como classe
média-baixa e é onde se concentra a maior parcela da população,
população, respondendo por 65%.
65%
Já os indivíduos
ivíduos pertencentes à classe B1 (com pontuação entre 29 - 34) e B2 (com
pontuação entre 23 - 28) podem ser considerados como população de classe média e
respondem na cidade de Uberlândia por 33% da amostra.
amostra. Esse índice é superior ao
nacional que responde por 24,6% da população.
Com relação as classes alta e média alta,

alta, respectivamente classes A1 (pontuação entre 42 -
46) e A2 (pontuação entre 35 - 41), observa-se
se que a representatividade em porcentagem é
pequena tanto no cenário nacional (5%) como na amostra selecionada (0,5%), porém essa
parcela possui alto poder aquisitivo e por isso diferencia-se
diferencia se em relação ao restante da
população com relação à suas escolhas.
FIGURA 23 - Classes socioeconômicas no Brasil.

Fonte: ABEP - Associação Brasileira de Empresas de Pesquisa, 2008.
A classe socioeconômica E (pontuação entre 0 - 7)) corresponde ao extrato da população de

baixa renda e também representa uma parcela diferenciada da população na medida em que
possuem poder aquisitivo
isitivo limitado.
Com base nestas análises verificam-se

verificam se as características socioeconômicas do usuário e as
características dos modos de transportes que podem apontar o padrão de escolha dos
usuários por um determinado
terminado modo de transporte. A seção seguinte trata
t de algumas
considerações sobre a calibração do modelo logit binomial que será empregado para
analisar as probabilidades de escolha dos modos de transportes.
6.2 CALIBRAÇÃO DO MODELO DE REGRESSÃO LOGÍSTICA

LOGÍSTI
BINOMIAL
Como já expostoo anteriormente,

anteriormente ao se trabalhar com modelos de regressão nota-se
nota que em
alguns casos as variáveis dependentes são de natureza dicotômica. Em situações como
estas a variável resposta poderá apresentar apenas dois valores possíveis, como sim ou não,
alto ou baixo, bom ou ruim, e a decisão

ecisão por uma delas dependerá de uma série de atributos
relacionados ao evento (as variáveis independentes).
A melhor forma de trabalhar estes dados é a partir de um modelo ajustado que permitirá
estimar a probabilidade de ocorrência para cada uma das respostas.
respostas. A abordagem
matemática utilizada para se chegar
chegar a este modelo é denominada regressão
r logística
binomial. Assim, na Tabela 18 para dois modos de transporte (A e B) tem-se
tem que:
Tabela 18 - Modelo Logit Binomial

Modo A Modo B
Tem-se que:
Assim: Resolvendo:
Mas:
Então: Lembrando que:

Ua = a + b1.X1a + ... +bn.Xna
Onde:
Ua é a utilidade associada ao modo A;
Xna os atributos levados em consideração na análise
dos modos.
Isolando a incógnita, teremos: Assim:
Logo: Linearizando a função temos:

A resposta será então, dada em forma da probabilidade de ocorrência de uma das

alternativas.
6.3 RESULTADOS
Ressalta-se que, foram gerados modelos incluindo várias combinações diferentes das
variáveis explicativas e também diferentes agrupamentos dos modos de transportes e,
portanto, os resultados apresentados incluem os modelos e as variáveis que apresentaram
maior significância.
Para calibrar os modelos utilizou-se o método foward stepwise Wald e estimativa dos
parâmetros por máxima verossimilhança para avaliar a qualidade dos modelos calibrados.
6.3.1 Modelo 1 – Escolha do Modo Auto
O primeiro modelo calibrado refere-se à escolha do auto. Neste caso a escolha do auto
como modo de transporte recebeu valor “1” e a escolha de outro modo valor “0”. No
Anexo 1 são apresentadas e comentadas, as tabelas geradas no SPSS para o modelo.
Assim, nesse primeiro modelo foram incluídas na análise 1045 observações.
O procedimento executado pelo software SPSS mostra na Tabela 19, de classificação dos
casos, que sem a inclusão das variáveis explicativas já se alcança um nível de acerto
aproximado de 77% na classificação dos casos.
Tabela 19 - Classificação dos Casos Processados

As iterações do modelo foram feitas em quatro passos pelo método foward stepwise Wald
sendo a constante incluída no modelo. O valor inicial de máxima verossimilhança do
modelo (-2Log Likelihood ) foi de 1116,473 e o valor final de 871,01. Este valor final para
o log de verossimilhança mostra que após as iterações e a exclusão das variáveis não
significantes, ocorreu uma redução no valor -2Log Likelihood.
Os valores obtidos no modelo final para o pseudo R2 de Cox e Snell acima de 20%, e
Nagelkerke acima de 31% são apresentados na Tabela 20.
Tabela 20 - Valores do Pseudo R2
A Tabela 21 apresenta a classificação dos casos em corretos e incorretos. Segundo Figueira

(2006) as tabelas de classificação são tabelas de ordem dois, para o caso da regressão
logística dicotômica.
Tabela 21 - Classificação dos Casos em Cada Passo

As colunas apresentam os valores preditos da variável dependente e as linhas os valores

observados. Em um modelo perfeito, todos os casos estariam na diagonal principal e a
porcentagem de acerto em cada passo seria de 100%. Na Tabela 21 são apresentados os
valores de classificação do modelo em cada passo.
Assim, tem-se que:
• No primeiro passo o modelo apresentou uma porcentagem de 78,9% de acerto;

• No segundo passo 80,8% de acerto na classificação dos casos;
• No terceiro 81,2%, e no último passo a porcentagem de acerto foi de 81,4%. Nota-
se um aumento na porcentagem de acertos no último passo, indicando assim que, a
eliminação das variáveis não significantes a cada passo melhora o ajuste do modelo
final.
O modelo apresentou, portanto, uma porcentagem de acerto acima de 80% que pode ser
considerado bom. O valor de porcentagem geral é obtido somando-se o total de acertos do
modelo e dividindo-se pelo total de observações 1045. Assim, no último passo, por
exemplo, a porcentagem geral de acerto foi de 81,4%, esse valor foi obtido somando-se o
total de acertos (774+77 = 851 acertos) e dividindo-se esse valor pelo total das observações
(851/1045 = 0,8143x100 = 81,4%)
Na Tabela 22 são apresentados os resultados dos parâmetros para a função utilidade do

modo auto.
Assim, a cada passo as variáveis explicativas vão sendo incluídas no modelo com base na
estatística de Wald e nas suas respectivas significância (nível adotado ≤ 0,050) e vão sendo
excluídas aquelas que não são significantes.
A partir dos parâmetros obtidos chega-se então a equação (10) para a utilidade do modo
auto.
Tabela 22 - Parâmetros da Função Utilidade para o Modo Auto
B = estimativas dos parâmetros das equações; SE = erro padrão; Wald = Estatística de Wald; df = graus de liberdade;
Sig = significância da estatística de Wald; Exp (B) = odds; 95% CI= intervalo de confiança de 95% para odds.
Segue-se a função linearizada que será utilizada para a obtenção da probabilidade do modo
auto.
ST5UV 22,974 2 0,027& 1,492X 0,219YZ 0,3701 10
Onde:
TV é o Tempo de Viagem;
PA é a Propriedade Auto;
NI é o Nível de Instrução;
R é a Renda
Como onível de significância das variáveis tempo de viagem, posse de auto, nível de
instrução e renda, estão abaixo de 0,050 verifica-se que, essas variáveis possuem relação
com a escolha do modo auto.
Analisando o odds (exp(B)) apresentados na Tabela 22, tem-se que a propriedade de auto
aumenta em 4,447 vezes mais a chance de escolha do modo auto. Quanto ao nível de
instrução a cada unidade de acréscimo no nível de instrução espera-se em média 24% de
acréscimo na probabilidade de escolha do auto. Para a variável renda, a cada unidade de
acréscimo espera-se em média 44% de acréscimo na probabilidade de escolha do auto.
Com relação ao tempo de viagem supõe-se que, para tempos de viagens pequenos, a
probabilidade de uso do modo auto sofra redução. Os intervalos de confiança revelam a
amplitude do odds com confiança de 95%.
Portanto para a escolha do auto como modo de transporte as variáveis que apresentaram
significância para o modelo final foram: o tempo de viagem, a posse de auto, o nível de
instrução e a renda.
6.3.2 Modelo 2 – Escolha do Modo Caminhamento
O segundo modelo calibrado refere-se à escolha do modo caminhamento. O valor “1” será
atribuído ao modo caminhamento e “0” para outro modo de transporte, no Anexo 2
encontram-se tabelas referentes aos testes estatísticos do modelo. Nesse segundo modelo
foram incluídas na análise 809 observações.
A Tabela 23 mostra a porcentagem de casos corretamente classificados na análise.

Observa-se que sem a inclusão das variáveis explicativas, o nível de acerto foi de
aproximado de 62% na classificação dos casos.
As iterações pelo método foward stepwise Wald ocorreram em dois passos com a inclusão
da constante no modelo. Os valores pseudo R2 obtidos para o modelo final mostram que, o
pseudo R2 de Cox e Snell apresentou valor de 26% e Nagelkerke 36%, conforme a Tabela
24.
Nesse segundo modelo a Tabela 25 de classificação dos casos apresenta as seguintes

porcentagens de acerto do modelo:

• No segundo passo 67,2% de acerto;
O modelo apresentou, portanto, uma porcentagem de acerto acima de 60% que pode ser
considerado razoável.
A Tabela 26 apresenta os parâmetros para a utilidade do modo caminhamento. As variáveis

que apresentaram significância para entrada no modelo após as interações foram o tempo
de viagem e a renda. Os valores para os parâmetros foram obtidos em dois passos.
Tabela 26 - Parâmetros da Função Utilidade para o Modo Caminhamento
A partir dos parâmetros obtidos, chega-se a seguinte função linearizada para a utilidade do
modo caminhamento:
S[T\'T\]UV 1,765 2 0,068& 2 0,2921 11
Onde:
R é a Renda.
A significância das variáveis tempo de viagem e renda, estão abaixo de 0,050 indicando
que essas variáveis possuem relação com a escolha do modo caminhamento. Os valores de
odds (exp(B)) apresentados na Tabela 26, mostram que a renda e o tempo de viagem
reduzem a probabilidade das chances de escolha do modo caminhamento (odds < 1).
6.3.3 Modelo 3 – Escolha do Modo Ônibus
O terceiro modelo calibrado refere-se ao modo ônibus, e no Anexo 3 são apresentados os

testes para esse modelo. A calibração do modelo incluiu na análise 503 observações. A
Tabela 27 mostra que sem a inclusão das variáveis independentes, alcançou-se um nível de
acerto de aproximadamente 87% na classificação dos casos.
As iterações pelo método foward stepwise Wald foram feitas em quatro passos sendo a
constante incluída no modelo. A Tabela 28 mostra os valores obtidos para o pseudo R2 de
Cox e Snell foi de 19,4%, e Nagelkerke 27,2%.
O modelo apresenta no último passo uma porcentagem de acerto acima de 80%, conforme
mostra a Tabela 29. Na diagonal estão os casos corretamente classificados.

• No segundo passo 84,5% de acerto;
• No terceiro 85,7%, e no quarto passo a porcentagem de acerto foi de 86,1%.
Os resultados dos parâmetros para a função utilidade do modo ônibus são apresentados na
Tabela 30.
Tabela 30 - Parâmetros da Função Utilidade para o Modo Ônibus
Assim, as variáveis relevantes para esse modelo foram: o tempo de viagem, a situação
familiar, a idade e a proproiedade de auto, com nível de significância abaixo de 0,050. A
partir dos parâmetros obtidos a função linearizada para a utilidade do modo ônibus é a
seguinte:
Sô_5` 20,954 0,041& 2 1,267Da 0,364Z 2 0,538X 12
Onde:
SF é a Situação Familiar;
I é a Idade;
PA é a Propriedade de Auto.
Os valores do odds (exp(B)) apresentados na Tabela 30, mostra que as variáveis: situação
familiar e a posse de auto reduzem a probabilidade de escolha do modo ônibus. Assim, a
condição de ser chefe de família e proriedade de auto, diminue a chance do indivíduo usar
o modo ônibus.
Quanto ao tempo de viagem a cada unidade de acréscimo espera-se em média 4,2% de

acréscimo na probabilidade de escolha do ônibus. Para a variável idade a cada unidade de
acréscimo espera-se em média 43% de acréscimo na probabilidade de escolha do ônibus.
6.3.4 Cálculo das Utilidades e Probabilidades
As características dos viajantes que influenciam suas decisões quanto à escolha da

modalidade de transporte são aquelas que determinam a disponibilidade de automóveis aos
viajantes e, conseqüentemente, o “estatus” cativo ou com escolha (Hutchinson, 1979).
Assim, para a aplicação dos modelos calibrados optou-se por selecionar no banco de dados
dois indivíduos de cada classe socioeconômica (A2, B2, B1, C2, C1, D e E, conforme
Anexo 4) em que um dos indivíduos da classe utilizou o auto, ou seja, teve este modo
como possibilidade de escolha, e outro da mesma classe que utilizou outro modo (viajantes
“cativos”).
A partir dessa seleção calculou-se a utilidade de cada modo de transporte. As funções

linearizadas para o cálculo das utilidades estão no Anexo 5. Assim, para cada modo tem-se
que:
1. Função utilidade (10) para o modo auto
ST5UV 22,974 2 0,027& 1,492X 0,219YZ 0,3701
2. Função utilidade (11) para o modo caminhamento
S[T\'T\]UV 1,765 2 0,068& 2 0,2921
3. Função utilidade (12) para o modo ônibus
Sô_5` 20,954 0,041& 2 1,267Da 0,364Z 2 0,538X
Com base nas funções apresentadas no Anexo 5 foram calculadas as probabilidades de

escolha para os modo de transporte. Dessa forma, tem-se as equações 13, 14 e 15 para as
probabilidades:
4. Probabilidade de Escolha do Auto
)$c_T5UV
_T5UV 13
)$c_T5UV )$c_V5UdV`
5. Probabilidade de Escolha do Caminhamento
)$c_[T\'T\]UV
_[T\'T\]UV 14
)$c_[T\'T\]UV )$c_V5UdV`
6. Probabilidade de Escolha do Ônibus
)$c_ô_5`
_ô_5` 15
)$c_ô_5` )$c_V5UdV`
A Tabela 31 apresenta os valores encontrados para as utilidades de cada modo de

transporte para os indivíduos das classes socioeconômicas.
Tabela 31 - Utilidade dos Modos de Transportes

Classe sócio- Utilidades Calculadas
Indivíduos
econômica Auto Caminhamento Ônibus
1. A2 Indivíduo I 0,8070 -2,5710 0,2550
2. A2 Indivíduo II 1,4280 -1,0070 -0,1490
3. B1 Indivíduo I -0,2060 -2,1230 0,8760
4. B1 Indivíduo II 0,7040 -1,0550 -0,4830
5. B2 Indivíduo I -0,6600 -1,4910 1,0350
6. B2 Indivíduo II 0,5530 -0,7630 0,7840
7. C1 Indivíduo I -0,5180 -0,3750 0,5480
8. C1 Indivíduo II -0,1580 -0,8990 -0,4010
9. C2 Indivíduo I -2,9030 -1,6070 0,9160
10. C2 Indivíduo II -2,4170 -0,3830 0,1780
11. D Indivíduo I -2,6550 0,7930 -0,3550
12. D Indivíduo II -4,2750 -3,2870 2,1050
13. E Indivíduo I -4,9500 -4,9870 3,1300
14. E Indivíduo II -2,7900 0,4530 0,3890
A partir das utilidades calculadas para os modos de transportes obteve-se as probabilidades

de escolha para cada indivíduo das classes socioeconômicas em cada um dos modelos dos
níveis hierárquicos, que são apresentados respectivamente nas Tabelas 32, 33 e 34.
Nível Hierárquico 1_Modelo 1 – Probabilidade de escolha do modo auto.
A probabilidade de escolha do modo auto foi superior a 50% para usuários da classe A2 e
B1, conforme mostra a Tabela 32.
Tabela 32 - Probabilidade de Escolha do Modo Auto

Classe sócio- Probabilidade de Escolha
Indivíduos
econômica Auto Outros Total
1. A2 Indivíduo I 0,6212 0,3788 1,0000
2. A2 Indivíduo II 0,7726 0,2274 1,0000
3. B1 Indivíduo I 0,2441 0,7559 1,0000
4. B1 Indivíduo II 0,6768 0,3232 1,0000
5. B2 Indivíduo I 0,1453 0,8547 1,0000
6. B2 Indivíduo II 0,3956 0,6044 1,0000
7. C1 Indivíduo I 0,1978 0,8022 1,0000
8. C1 Indivíduo II 0,4423 0,5577 1,0000
9. C2 Indivíduo I 0,0200 0,9800 1,0000
10. C2 Indivíduo II 0,0454 0,9546 1,0000
11. D Indivíduo I 0,0236 0,9764 1,0000
12. D Indivíduo II 0,0016 0,9984 1,0000
13. E Indivíduo I 0,0004 0,9996 1,0000
14. E Indivíduo II 0,0197 0,9803 1,0000
Nível Hierárquico2_Modelo 2 – Probabilidade de escolha do caminhamento.
A Tabela 33 mostra que a probabilidade de escolha do caminhamento foi de 74,13% para o

primeiro indivíduo da classe D e 50,58% para o segundo indivíduo da classe E.
Tabela 33 - Probabilidade de Escolha do Modo Caminhamento

Indivíduos
econômica Caminhamento Outros Total
1. A2 Indivíduo I 0,0212 0,9788 1,0000
2. A2 Indivíduo II 0,0677 0,9323 1,0000
3. B1 Indivíduo I 0,0359 0,9641 1,0000
4. B1 Indivíduo II 0,1166 0,8834 1,0000
5. B2 Indivíduo I 0,0633 0,9367 1,0000
6. B2 Indivíduo II 0,1061 0,8939 1,0000
7. C1 Indivíduo I 0,2281 0,7719 1,0000
8. C1 Indivíduo II 0,2108 0,7892 1,0000
9. C2 Indivíduo I 0,0728 0,9272 1,0000
10. C2 Indivíduo II 0,3468 0,6532 1,0000
11. D Indivíduo I 0,7413 0,2588 1,0000
12. D Indivíduo II 0,0045 0,9955 1,00000
13. E Indivíduo I 0,0003 0,9997 1,0000
14. E Indivíduo II 0,5058 0,4942 1,0000
Nível Hierárquico3_Modelo 3 – Probabilidade de escolha do ônibus.
Já no caso da escolha do modo ônibus a probabilidade foi superior a 50% para pelo menos
um dos indivíduos das classes socioeconômicas B1, B2, C1, C2, D e E, conforme
resultados da Tabela 34.
Tabela 34 - Probabilidade de Escolha do Modo Ônibus

Individuos
econômica Ônibus Outros Total
1. A2 Indivíduo I 0,3577 0,6423 1,0000
2. A2 Indivíduo II 0,1596 0,8404 1,0000
3. B1 Indivíduo I 0,7201 0,2799 1,0000
4. B1 Indivíduo II 0,2066 0,7934 1,0000
5. B2 Indivíduo I 0,7914 0,2086 1,0000
6. B2 Indivíduo II 0,4984 0,5016 1,0000
7. C1 Indivíduo I 0,5742 0,4258 1,0000
8. C1 Indivíduo II 0,3468 0,6532 1,0000
9. C2 Indivíduo I 0,9073 0,0927 1,0000
10. C2 Indivíduo II 0,6078 0,3922 1,0000
11. D Indivíduo I 0,2352 0,7648 1,0000
12. D Indivíduo II 0,9937 0,0063 1,0000
13. E Indivíduo I 0,9994 0,0006 1,0000
14. E Indivíduo II 0,4744 0,5256 1,0000
Probabilidade Final de Escolha dos Modos.
Na Tabela 35 são apresentados os valores finais para a probabilidade de escolha em cada

modo de transporte:
• Auto;
• Caminhamento;
• Ônibus;
• e Outros.
Tabela 35 - Probabilidade de Escolha dos Modos

Indivíduos
econômica Auto Caminhamento Ônibus Outros Total
1. A2 Indivíduo I 0,6212 0,0080 0,1326 0,2381 1,0000
2. A2 Indivíduo II 0,7726 0,0154 0,0338 0,1782 1,0000
3. B1 Indivíduo I 0,2441 0,0271 0,5248 0,2040 1,0000
4. B1 Indivíduo II 0,6768 0,0377 0,0590 0,2265 1,0000
5. B2 Indivíduo I 0,1453 0,0541 0,6336 0,1670 1,0000
6. B2 Indivíduo II 0,3956 0,0641 0,2693 0,2710 1,0000
7. C1 Indivíduo I 0,1978 0,1830 0,3556 0,2637 1,0000
8. C1 Indivíduo II 0,4423 0,1176 0,1526 0,2875 1,0000
9. C2 Indivíduo I 0,0200 0,0713 0,8244 0,0842 1,0000
10. C2 Indivíduo II 0,0454 0,3311 0,3790 0,2446 1,0000
11. D Indivíduo I 0,0236 0,7238 0,0594 0,1933 1,0000
12. D Indivíduo II 0,0016 0,0045 0,9876 0,0063 1,0000
13. E Indivíduo I 0,0004 0,0003 0,9987 0,0006 1,0000
14. E Indivíduo II 0,0197 0,4958 0,2298 0,2546 1,0000
6.4 DISCUSSÃO DOS RESULTADOS
A partir dos modelos calibrados nos três níveis hierárquicos os resultados apresentados na
Tabela 31 mostram as utilidades para os modos de transportes, e nas Tabelas 32, 33 e 34
são apresentadas as probabilidades para os modos em cada nível. Assim, tem-se que as
utilidades para o auto foram positivas para os dois indivíduos da classe A2, para o
indivíduo “4” da classe B1 e o indivíduo “6” da classe B2. Na classe B2 o indivíduo “6”
apresentou utilidade positiva tanto para o auto (0,553) quanto para o ônibus, porém, a
utilidade do modo ônibus foi superior e mostrou-se mais positiva (0,784).
O Anexo 4 apresenta os valores atribuídos as categorias das variáveis que caracterizam os

indivíduos em cada classe socioeconômica. As características da viagem e
socioeconômicas do primeiro indivíduo da classe A2 mostram que o tempo de viagem foi
de trinta e oito minutos, esse indivíduo possui auto, porém, utilizou o ônibus como modo
de transporte para o seu deslocamento. Além disso, possui curso superior completo, renda
entre 10,1 à 20,0 salários mínimos, é chefe de família e idade acima de quarenta anos. A
probabilidade de escolha desse indivíduo para o modo auto foi de 62,12%.
O segundo indivíduo da classe A2 apresentou tempo de viagem de quinze minutos, possui

auto, e fez uso desse modo de transporte para realizar a sua viagem. O nível de instrução
desse indivíduo também é de curso superior completo, renda entre 10,1 à 20,0 salários
mínimos, não é chefe de família, possui idade entre 18 à 30 anos e probabilidade de
escolha para o auto em torno de 77,26%.
O indivíduo “4” da classe B1 também possui utilidade positiva para o modo auto e
apresenta as seguintes características: tempo de viagem de vinte minutos, possui auto e
utilizou esse modo para realizar sua viagem. O nível de instrução desse indivíduo é
colegial completo à superior incompleto, renda entre 8,1 à 10,0 salários mínimos, a sua
situação familiar é de chefe de família com mais de quarenta anos de idade e apresentou
67,68% de probabilidade de escolha para o auto.
O indivíduo “8” da classe C1 também apresentou probabilidade para o modo auto (44%
para esse modo). Esse indivíduo tem posse de auto, realizou sua viagem em vinte e dois
minutos e utilizou este modo de transporte para realizar seu deslocamento. Quanto as suas
características socioeconômicas, possui nível de instrução de primário completo a ginásio
incompleto, renda de 6,1 a 8,0 salários mínimos, é chefe de família e encontra-se na faixa
etária acima de quarenta anos.
Já o modo caminhamento apresentou utilidade positiva apenas para dois indivíduos, um da

classe D e outro da classe E. O indivíduo de número “11” da classe D apresentou tempo de
viagem de dez minutos, não possui auto e utilizou o caminhamento para realizar seu
deslocamento. Esse indivíduo possui nível de instrução de analfabeto a primário
incompleto, renda entre 0,0 à 2,0 salários mínimos e é chefe de família com mais de 40
anos de idade. A probabilidade de escolha desse indivíduo foi de 74,13% para o modo
caminhamento.
Quanto ao indivíduo “14” da classe E apresentou tempo de viagem de quinze minutos,

também não possui auto, porém, utilizou esse modo para realizar sua viagem. Apresenta
escolaridade entre analfabeto a primário incompleto, renda entre 0,0 à 2,0 salários
mínimos, não é chefe de família, tem idade entre 18 à 30 anos e probabilidade de escolha
para o caminhamento de aproximadamente 50,58%. Mesmo sendo o auto o modo utilizado
por esse indivíduo no seu deslocamento, as suas caractrísticas socioeconômicas e de

viagem apontam maior probabilidade para a escolha do caminhamento.
No caso do ônibus com excessão da classe A2, as utilidades foram positivas em pelo
menos um dos casos nas classes B1, B2, C1, C2, D e E. Assim, para o indivíduo “3” B1
que apresenta tempo de viagem de quarenta minutos, possui auto, mas utilizou outro modo
de transporte, escolaridade entre colegial completo a superior incompleto, renda de 6,1 a
8,0 salários mínimos, idade entre 18 a 30 anos, a probabilidade de escolha do ônibus foi de
72,01%.
Para os dois indivíduos da classe B2 as utilidades foram positivas também para o modo
ônibus. Para o primeiro indivíduo o tempo de viagem foi trinta e cinco minutos, tem posse
de auto, porém, utilizou o ônibus para realizar o seu deslocamento. A escolaridade desse
indivíduo está entre ginásio completo a colegial incompleto, renda entre 4,1 a 6,0 salários
mínimos, situação familiar de não chefe de família, idade entre 30 à 40 anos e
probabilidade de 79,14% para a escolha do ônibus.
O segundo indivíduo da classe B2 realizou a viagem em 20 minutos, possui auto e utilizou

esse modo no seu deslocamento, tem curso superior completo, renda entre 6,1 a 8,0
salários mínimos, não é chefe de família, possui mais de quarenta anos de idade e 49,84%
de probabilidade para o modo ônibus.
O indivíduo “7” da classe C1 apresentou probabilidade para o ônibus de 57,42%. Neste

caso, apesar de apresentar maior probabilidade para o ônibus, o modo utilizado pelo
indivíduo no seu deslocamento foi o caminhamento. Observa-se as seguintes
características de viagem e do indivíduo: o tempo de viagem foi de dez minutos, não tem
posse auto, o nível de escolaridade é de colegial completo a superior incompleto, renda de
8,1 a 10,0 salários mínimos, com idade entre 30 a 40 anos e não é chefe de família.
A classe C2 também apresentou utilidade positiva para o ônibus nas duas observações
selecionadas. Esses indivíduos apresentaram as seguintes características: não possui auto,
nível de instrução do primário completo a ginásio incompleto, renda entre 2,1 a 4,0 salários
mínimos, chefe de família, com mais de quarenta anos. Estes diferiram quanto ao tempo de
viagem e pelo modo utilizado no deslocamento. Assim, para o indivíduo que apresentou
tempo de viagem de quarenta e um minutos a probabilidade para o ônibus foi de 90,73% e
esse realmente utilizou o ônibus no seu deslocamento, enquanto que para o indivíduo com
tempo de viagem de vinte e três minutos a probabilidade para esse modo foi de 60,78% e
apesar de não possuir auto, o modo utilizado para realizar a viagem foi o auto. Observa-se
que mesmo para indivíduos com caracteísticas socioeconômicas e de viagem parecidas, a
probabilidade para a escolha do transporte coletivo diminui diante da possibilidade de
escolha do auto.
Já para o indivíduo “12” da classe D a probabilidade para o ônibus foi de 99,37%, com
tempo de viagem de setenta minutos, esse indivíduo não tem posse de auto, no entanto, o
modo utilizado na viagem foi o auto. Com relação a escolaridade está entre analfabeto a
primário incompleto, renda de 0,0 a 2,0 salários mínimos e é chefe de família com mais de
quarenta anos.
Por fim, o indivíduo “13” da classe socioeconômica E também apresentou utilidade

positiva para o modo ônibus com probabilidade de escolha de 99,94% para este modo. O
tempo de viagem desse indivíduo foi de 95 minutos, não possui auto, e o modo utilizado no
seu deslocamento foi o ônibus, o nível de instrução está entre analfabeto a primário
incompleto, renda de 0,0 a 2,0 salários mínimos, condição familiar de chefe de família com
mais de quarenta anos. Nestes dois últimos casos, observam-se altas probabilidades para o
modo ônibus, uma vez que, os indivíduos possuem características socioeconômicas
parecidas e o fato de não possuírem auto aponta para a condição de viajantes “cativos” do
transporte coletivo.
A partir das descrições dos indivíduos selecionados nota-se que, no caso do auto a
utilidade é mais positiva, quanto maior a renda, o nível de instrução e se o indivíduo possui
auto. A posse de auto aumentou a probabilidade de escolha desse modo, e refletiu a
característica dos modelos de demanda, que são os usuários com “escolha” e os usuários
“cativos” do transporte. Assim, os indivíduos com posse de auto têm a possibilidade de
escolher o modo que melhor atende suas necessidades, e apresentaram probabilidades para
esse modo acima de 60%.
No caso dos indivíduos da classe A2, nota-se que: para o indivíduo com maior tempo de
viagem (41 minutos), chefe de família, com mais de quarenta anos e com posse de auto, a
utilidade e a probabilidade foram um pouco menor (62%), e neste caso a sua real escolha
foi pelo modo ônibus. No caso do indivíduo mais jovem (idade de 18 a 30 anos), que não é
chefe de família, com tempo de viagem menor (15 minutos) e que tem posse de auto, a
utilidade foi mais positiva e a probabilidade encontrada de 77% para escolha do auto, e a
sua real escolha foi pelo modo auto. Portanto, o fato de possuirem auto é determinante na
utilidade e probabilidade de escolha desse modo de transporte, ressaltando, portanto, as
caractrísticas do viajante com escolha.
Para o modo caminhamento o fator tempo de viagem, associado às características

socioeconômicas do indivíduo, apresentou maior peso na utilidade desse modo. Assim,
para os indivíduos que não possuem auto, com tempo de viagem de até quinze minutos,
que são analfabetos ou possuem apenas o primário incompleto, com renda de até dois
salários mínimos, a probabilidade para a escolha do caminhamento foi superior a 50%.
Para estes casos a utilidade mostrou-se tanto mais positiva, quanto menor o tempo de
viagem.
No caso do modo ônibus dos oito indivíduos que apresentaram utilidade positiva para esse
modo, cinco não possuem auto. O fato de não possuírem auto, aliado as características de
escolaridade (de analfabeto a superior incompleto), renda (abaixo de 10,0 salários
mínimos) tornaram a utilidade desse modo mais positiva para esses indivíduos. Observa-se
também que quanto menor a renda e o nível de escolaridade maior a probabilidade de uso
do ônibus.
A posse de auto permite, então, aos indivíduos escolher o modo de transporte a ser
utilizado nas viagens, que pode ser pelo próprio auto, pelo caminhamento, pelo ônibus ou
outro modo de transporte. No entato, a posse de auto aumenta a probabilidade de uso desse
modo, e mesmo nos casos em que os indivíduos possuem as mesmas características
socioeconômicas e não tem posse de auto mais tem a possibilidade de utilizá-lo, ocorre
redução na probabilidade de escolha dos outros modos.
Portanto, os resultados encontrados refletem aderência e consistência dos modelos

calibrados. As varíveis que apresentaram significância para compor cada um dos modelos
explicaram bem a escolha do modo de transporte. As utilidades calculadas revelaram a
positividade de cada modo conforme as características da viagem e dos usuários, e as
probabilidades calculadas revelaram o quanto cada indivíduo, de cada classe

socieconômica mostra-se propenso a escolher determinado modo de transporte.
6.5 CONCLUSÕES E RECOMENDAÇÕES
Diante dos problemas relacionados ao transporte urbano em cidades de médio porte, este
trabalho teve por objetivo calibrar modelos de escolha discreta para a etapa de divisão
modal e assim, estimar as probabilidades de escolha dos usuários dos modos de transportes
considerando como principais opções disponíveis ao usuário o auto, o caminhamento, o
ônibus e outros.
Modelar a demanda em transportes torna-se de suma importância para garantir

desenvolvimento aliado à qualidade de vida nos centros urbanos. Nesse sentido, o
transporte urbano desempenha papel fundamental na organização do espaço urbano e no
uso e ocupação do solo.
O uso de modelos de escolha discreta no planejamento de transportes permite então,

avaliar o comportamento da demanda e assim auxiliar os investimentos em modos de
transportes mais sustentáveis como transporte coletivo, caminhamento e bicicleta.
A regressão logística binária apresentou-se como método adequado para determinar a

probabilidade de ocorrência dos valores preditos da variável dicotômica. A utilização de
um programa estatístico tornou-se imprescindível neste caso, devido à complexidade dos
cálculos envolvidos. Assim, a fim de analisar quais as variáveis da pesquisa O/D melhor
explicariam o comportamento dos indivíduos na escolha do modo de transporte, o modelo
binário empregado mostrou-se consistente nos parâmetros e nos testes estatísticos.
Com base no modelo calibrado foi possível:
- Definir o perfil individual do usuário de transporte na cidade de Uberlândia em cada

classe socioeconômica uma vez que, os dados usados nesta pesquisa são desagregados;
- O modelo mostrou-se capaz de mensurar a influência das variáveis sobre o padrão de

escolha dos usuários através do cálculo das utilidades.
Diante dos resultados alcançados neste estudo, algumas sugestões podem ser feitas no
sentido de que trabalhos futuros abordem o comportamento da demanda em transportes
com o uso de modelos de escolha discreta. Assim:
- Outra possibilidade de utilização do modelo calibrado refere-se à análise da demanda por

zona de tráfego. Como já foi dito, a cidade de Uberlândia está dividida em sessenta e cinco
zonas de tráfego, e a amostra usada para calibrar o modelo possui observações referentes à
cada zona. Assim, sugere-se para trabalhos futuros uma análise completa por cada zona de
tráfego. Esta análise mais detalhada permitiria conhecer o perfil da demanda por zona.
- Poderia-se pensar ainda na possibilidade de incorporar ao modelo variáveis que pudessem

refletir a qualidade do transporte público e a relação custo/benefício para cada modo de
transporte.
Por fim, com base nos resultados alcançados espera-se que este trabalho possa servir, em
algum momento futuro, de referência para outros trabalhos não só no âmbito acadêmico
mais também em aplicações práticas para análise de demanda no planejamento de
transportes, de forma a contribuir para a melhoria do uso dos modos mais sustentáveis de
transportes.
Referências Bibliográficas 81
REFERÊNCIAS BIBLIOGRÁFICAS
ARANGO, H. G. Bioestatística Teórica e Computacional. Rio de Janeiro: Guanabara
Koogan S.A., 2001, 235 p.
BEN-AKIVA, M. E e LERMAN, S. R. Discrete Choice Analysis: Theory and

Application to Travel Demand. Cambridge, 1985. 385 p. Disponível
em:<htpp://www.books.google.com.br>. Acesso em: 07 de março 2009.
BRITO, A. N. Aplicação de um Procedimento usando Preferência Declarada para a

Estimativa do Valor do Tempo de Viagem de Motoristas em uma Escolha entre Rotas
Rodoviárias Pedagiadas e Não Pedagiadas. Dissertação de mestrado em Engenharia de
Transportes. Escola Politécnica da Universidade de São Paulo, São Paulo; SP, 2007. 185 p.
CASTRO JÚNIOR, F. H. F. de. Previsão de insolvência de empresas brasileiras usando

análise discriminante, regressão logística e redes neurais. Dissertação de Mestrado.
Faculdade de Economia, Administração e Contabilidade (FEA)/USP, São Paulo; SP, 2003.
187 p. Disponível em: <http://www.teses.usp.br/teses>. Acesso em: 16 de julho 2008
CAVALCANTE, R. A. Estimativa das Penalidades Associadas com os Transbordos

em Sistemas Integrados de Transporte Público. Dissertação de Mestrado em Engenharia
de Transportes. COPPE/Universidade Federal do Rio de Janeiro, Rio de Janeiro; RJ, 2002.
151 p.
DEUS, L. R. de. A Influência da Forma Urbana no Comportamento de Viagem das

Pessoas: Estudo de Caso em Uberlândia, MG. Dissertação de Mestrado em Engenharia
Urbana. Programa de Pós-Graduação em Engenharia Urbana da Universidade Federal de
São Carlos, São Carlos; SP, 2008. 139 p.
DOMENCICH, T. e McFADDEN, D. Urban travel demand: a behavioural analysis.

Amsterdam: North Holland, 1975, 213 p.
DORIA FILHO, U. Introdução à Bioestatística: para simples mortais. 4. ed. São Paulo:
Negócio Editora, 1999, 158 p.
ESPINO, R. S. Análisis y Prediccion de La Demanda de Transporte de Pasajeros: Una

Aplicación al Estudio de Dos Corredores de Transporte en Gran Canária. Tese de
Doutorado. Universidad de Las Palmas de Gran Canária. 2003. 188 p.
FARIA, C. A; VIEIRA, J. I. M.; SORRATINI, J. A.; MACEDO, M. H. Matriz

Origem/Destino – Um Instrumento para a Otimização do Transporte Público Urbano por
Ônibus. Métodos Computacionais em Engenharia. APMTAC, Lisboa, Portugal, 2004. 8 p.
FERREIRA, A. M. SPSS - Manual de Utilização. Escola Superior Agrária – Instituto

Politécnico de Castelo Branco, 1999. 151 p. Disponível em:
< http://www.esef.ufrgs.br/gpat/spss.pdf>. Acesso em: 14 de janeiro 2009.
FERRONATO, L. G. Potencial de Medidas de Gerenciamento da Demanda no

Transporte Público por Ônibus. Dissertação de Mestrado em Engenharia de Produção.
Universidade Federal do Rio Grande do Sul, Porto Alegre; RGS, 2002.119 p.
FIGUEIRA, C. V. Modelos de Regressão Logística. Dissertação de Mestrado em

Matemática. Universidade Federal do Rio Grande do Sul, Porto Alegre; RGS, 2006. 149 p.
HILL, R. C.; GRIFFITHS, W. E. e JUDGE, G.G. Econometria. Tradução: FARIAS, A. A.

de. 2. ed. São Paulo: Saraiva, 2003, 471 p.
HOSMER, D. W. e LEMESHOW, S. Jr. Applied Logistic Regression. ed. 2. John Wiley

& Sons, Inc. 2000. 375 p.
HOSMER, D. W. e LEMESHOW, S. Jr. Applied Logistic Regression. John Wiley &

Sons, Inc. 1989. Disponível em: <htpp://www.books.google.com.br>. Acesso em: 04 de
maio de 2009.
HUTCHINSON, B. G.. Princípios de Planejamento dos Sistemas de Transporte

Urbano. Rio de Janeiro: Guanabara Dois S. A., 1979, 416 p.
KOTLER, P. Marketing Management. ed. 8. Prentice Hall Ed., 1976. Cap. 7: Analyzing
Consumer Markets and Buyer Behavior.
LIMA, E. F. de. Problemas ambientais urbanos no meio físico do setor norte de

Uberlândia, Minas Gerais, Brasil. Dissertação de Mestrado. Universidade Federal de
Uberlândia/Instituto de Geografia, Uberlândia; MG, 2000. 143 p.
MANUAL Stastistical Package for Social Sciences (SPSS). Modelos de Regresión. Versão
12.0 Copyright © de SPSS Inc. 2003, 71 p.
MANSKI, C.. The Structure of Random Utility Models. Theory and Decision, v. 8, n° 3, p.
229-254, 1977. Disponível em: <htpp://www.sciencedirect.com>. Acesso em: 21 de março
2009
NETO, P. B. C. e FARIA, C. A.. Estudo do Comportamento de Escolha Modal. Revista

Eletrônica, Uberlândia, Minas Gerais, Brasil, ed. 2, 19 p, 2002.
NOVAES, A. G.. Sistemas de Transportes: Análise da Demanda. São Paulo – SP:

Edgard Blücher Ltda. Vol. 1, 1986, 151 p.
ORTÚZAR, J. de D. e ROMÁN, C. El Problema de Modelación de Demanda Desde Una

Perspectiva Desagregada: el caso del transporte. Eure, v. 29, n° 88, p. 149-171, 2003.
ORTÚZAR, J. de D. e WILLUMSEN, L. G.. Modelling Transport. Inglaterra: John

Wiley e Sons Ltda., 1990, 375 p.
PAIVA JÚNIOR, H. de. Segmentação e Modelagem Comportamental de Usuários dos

Serviços de Transporte Urbano Brasileiro. Tese de Doutorado em Engenharia de
Transportes. Escola Politécnica da Universidade de São Paulo, São Paulo; SP, 2006.176 p.
ROCHA, F. J. S. e DANTAS, R. A. Avaliação de Vendas de Imóveis Usando Modelo

Probit. 2001. 1-6 p. Disponível em:
<http://www.abepro.org.br/biblioteca/ENEGEP2001_TR71_0026.pdf>. Acesso em: 13 de
julho 2008.
SARAIVA, M.. A Cidade e o Tráfego Uma Abordagem Estratégica. Recife: Ed.

Universitária da UFPE, 2000, 213 p.
SENNA, L. A. dos S. Técnicas de Preferência Declarada. Programa de Pós-Graduação

em Engenharia de Produção da Escola de Engenharia. Universidade Federal do Rio Grande
do Sul.
TRAIN, K. E. Discrete Choice Methods With Simulation. Cambridge: University Press,

2002, 330 p.
VIEIRA, S. Introdução à Bioestatística. 4. ed. Rio de Janeiro: Elsevier Editora Ltda,

2008, 345 p.
BRASIL. Associação Brasileira de Empresas de Pesquisa – ABEP. Disponível em:

<http://www.abep.org>. Acesso em: 25 de junho 2008.
BRASIL. Departamento Nacional de Trânsito. Disponível em:

<http://www.denatran.gov.br>. Acesso em: 12 de janeiro 2009
BRASIL. Instituto Brasileiro de Geografia e Estatística. Disponível em:

<http://www.ibge.gov.br/home/estatistica/populacao>. Acesso em: 08 de julho 2008.
BRASIL. Critério Padrão de Classificação Econômica Brasil/2008 (ABA/Abipeme).

Disponível em:<http://www.viverbem.fmb.unesp.br/docs/classificacaobrasil.pdf>. Acesso
em: 13 de abril 2008.
Anexo 1 – Regressão Logística para o Modo Auto 86
Anexo 1
8.1 ANEXO 1 - REGRESSÃO LOGÍSTICA PARA O MODO AUTO

Modelo 1 - Escolha do Modo Auto
No primeiro modelo, que diz respeito ao modo auto, foram incluídas na análise 1045
observações conforme o Tabela 01.
Tabela 01 – Casos Processados
A Tabela 02 apresenta a codificação da variável dependente com valor “1” para o auto e
“0” para outro modo de transporte.
Tabela 02 - Codificação da variável dependente

Original Value Internal Value
outros 0
auto 1
Block 0: Beginning Block
Iteration Historya,b,c
-2 Log Coefficients
Iteration likelihood Constant
Step 1 1119,900 -1,097
0 2 1116,476 -1,227
3 1116,473 -1,232
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 1116,473
c. Estimation terminated at iteration number 3 because
log-likelihood decreased by less than ,010 percent.
A Tabela 03 de classificação dos casos mostra a porcentagem de acerto sem as variáveis

explicativas.
Tabela 03 – Classificação dos casos
Variables in the Equation
B S.E. Wald df Sig. Exp(B)

Step 0 Constant -1,232 ,074 277,294 1 ,000 ,292
Variables not in the Equation
Score df Sig.
Step Variables TTV 49,248 1 ,000
0 AUTO 109,895 1 ,000
NIVLINST 73,696 1 ,000
SITFAM 12,310 1 ,000
IDADE1 9,652 1 ,002
RENDA 126,084 1 ,000
CLASABA 85,768 1 ,000
Overall Statistics 229,613 7 ,000
Block 1: Method = Forward Stepwise (Wald)
A Tabela 04 apresenta as iterações do modelo pelo método foward stepwise Wald. As

iterações foram feitas em quatro passos sendo a constante incluída no modelo.
Tabela 04 - Histórico das Iterações
-2 Log Coefficients
Iteration likelihood Constant RENDA AUTO TTV NIVLINST
Step 1 1018,123 -1,884 ,424
1 2 1006,694 -2,273 ,514
3 1006,610 -2,311 ,523
Step 1 959,855 -2,241 ,347 ,860
2 2 927,253 -3,038 ,414 1,452
3 924,972 -3,309 ,426 1,695
4
924,948 -3,340 ,427 1,724
Step 1 931,634 -1,841 ,334 ,812 -,011

3 2 885,384 -2,325 ,400 1,359 -,021
3 880,638 -2,481 ,415 1,602 -,026
4 880,549 -2,504 ,417 1,639 -,027
5 880,549 -2,504 ,417 1,640 -,027
Step 1 924,882 -2,088 ,305 ,725 -,010 ,122
4 2 876,250 -2,728 ,356 1,223 -,021 ,192
3 871,113 -2,943 ,368 1,454 -,026 ,217
4 871,011 -2,974 ,370 1,491 -,027 ,219
5 871,011 -2,974 ,370 1,492 -,027 ,219
a. Method: Forward Stepwise (Wald)
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 1116,473
d. Estimation terminated at iteration number 3 because log-likelihood decreased by less
than ,010 percent.
e. Estimation terminated at iteration number 4 because log-likelihood decreased by less
than ,010 percent.
f.
A Tabela 05 apresenta a significância dos coficientes no modelo global em cada passo. O

nível de significância está abaixo de 0,050 em todos os passos e apresenta os valores para o
teste qui-quadrado.
Tabela 05 - Teste de Coeficientes do Modelo Global

Chi-square df Sig.
Step 1 Step 109,862 1 ,000
Block 109,862 1 ,000
Model 109,862 1 ,000
Step 2 Step 81,663 1 ,000
Block 191,525 2 ,000
Model 191,525 2 ,000
Step 3 Step 44,399 1 ,000
Block 235,924 3 ,000
Model 235,924 3 ,000
Step 4 Step 9,537 1 ,002
Block 245,461 4 ,000
Model 245,461 4 ,000
Os valores obtidos na Tabela 06 para pseudo R2 de Cox e Snell foi de 20%, e Nagelkerke
31%. O valor do -2Log likelihood decresce do primeiro passo para o último.
Tabela 06 – Pseudo R2
Na Tabela 07 verifica-se o teste qui-quadrado, mais conhecido como, Hosmer and

Lemeshow’s goodness of fit test. Segundo Hosmer e Lemeshow (2000) se a estatística do
teste for maior que o nível de significância α adotado, rejeita-se a hipótese de que não há
diferença entre os valores observados e preditos implicando, assim, que o modelo descreve
bem os dados no nível adotado.
Tabela 07 - Teste Hosmer and Lemeshow’s goodness of fit

Step Chi-square df Sig.
1 2,785 2 ,248
2 9,730 5 ,083
3 14,562 8 ,068
4 13,134 8 ,107
A Tabela 08 apresenta o teste de Hosmer e Lemeshow e avalia o modelo ajustado

comparando as freqüências observadas e esperadas. O teste associa os dados a sua
probabilidade estimada então faz o teste qui-quadrado para determinar se as freqüências
esperadas estão próximas das freqüências observadas (Hosmer & Lemeshow, 1989).
Observa-se que os valores encontrados para as freqüências observadas e esperadas são
próximos.
Tabela 08 - Tabela de Contingencia para o teste de Hosmer e Lemeshow

Modo 1 = outros Modo 1 = auto
Observed Expected Observed Expected Total
Step 1 518 519,974 89 87,026 607
1 2 190 181,697 43 51,303 233
3 55 58,929 32 28,071 87
4 46 48,375 72 69,625 118
Step 1 281 283,597 18 15,403 299
2 2 95 96,010 9 7,990 104
3 30 26,640 1 4,360 31
4 237 236,096 71 71,904 308
5 98 90,699 35 42,301 133
6 46 56,036 57 46,964 103
7 22 19,912 45 47,088 67
Step 1 102 102,767 3 2,233 105
3 2 107 105,148 3 4,852 110
3 96 102,695 14 7,305 110
4 98 95,637 7 9,363 105
5 100 91,685 6 14,315 106
6 82 81,720 23 23,280 105
7 74 74,726 31 30,274 105
8 68 70,343 39 36,657 107
9 55 58,324 50 46,676 105
10 27 25,954 60 61,046 87
Step 1 104 103,918 2 2,082 106
4 2 98 100,582 7 4,418 105
3 94 99,388 12 6,612 106
4 102 96,115 3 8,885 105
5 95 91,669 10 13,331 105
6 87 82,680 17 21,320 104
7 77 77,043 29 28,957 106
8 68 68,684 37 36,316 105
9 57 59,256 50 47,744 107
10 27 29,665 69 66,335 96
A Tabela 09 apresenta a classificação dos estimadores em corretos e incorretos. Segundo Figueira

(2006) as tabelas de classificação são tabelas de ordem dois, para o caso da regressão logística
dicotômica. As colunas apresentam os valores preditos da variável dependente e as linhas os
valores observados. Em um modelo perfeito, todos os casos estariam na diagonal principal
e a porcentagem de acerto em cada passo seria de 100%.
Tabela 09 – Classificação dos casos em cada passo

auto.
Tabela 10 – Parâmetros para a utilidade do modo auto
Sig = significância da estatística de Wald; Exp (B) = ODDS; 95% CI= intervalo de confiança de 95% para ODDS.
Anexo 2 – Regressão Logística para o Modo Caminhamento 93
Anexo 2
8.2 ANEXO 2 - REGRESSÃO LOGÍSTICA PARA O MODO

CAMINHAMENTO
Modelo 2 - Escolha do Modo Caminhamento
Nesse segundo modelo foram incluídas na análise 809 observações conforme mostra o
Tabela 11.
Tabela 11 - Casos Processados
A Tabela 12 apresenta a codificação do segundo modelo. Assim, a escolha do

caminhamento como modo de transporte recebeu valor “1”, e “0” para a escolha de outro
modo.

outros 0
caminhamento 1
-2 Log Coefficients
Step 1 1147,276 -,628
0 2 1147,179 -,650
A Tabela 13 de Classificação mostra que sem a inclusão das variáveis independentes, o

nível de acerto é de aproximado de 62% na classificação dos casos.

Step 0 Constant -,650 ,071 84,847 1 ,000 ,522
Score df Sig.
0 SITFAM 12,204 1 ,000
IDADE1 16,671 1 ,000
RENDA 11,528 1 ,001
A Tabela 14 mostra que neste caso as iterações do modelo pelo método foward stepwise
Wald foi realizada em dois passos e cinco iterações, até chegar ao modelo final.
-2 Log Coefficients
Iteration likelihood Constant TTV RENDA
Step 1 951,659 ,435 -,030
1 2 892,099 1,028 -,054
3 884,948 1,261 -,066
4 884,800 1,296 -,067
5 884,800 1,297 -,067
Step 1 940,640 ,757 -,030 -,204
2 2 879,550 1,450 -,054 -,269
3 872,074 1,721 -,066 -,289
4 871,911 1,764 -,068 -,292
5 871,911 1,765 -,068 -,292
d. Estimation terminated at iteration number 5 because
parameter estimates changed by less than ,001.
e. Estimation terminated at iteration number 5 because
A Tabela 15 apresenta a significância dos coficientes no modelo global a cada passo. O

nível de significância está abaixo de 0,050 em todos os passos e apresenta os valores para o
teste qui-quadrado.

Chi-square df Sig.
Step 1 Step 262,379 1 ,000
Block 262,379 1 ,000
Model 262,379 1 ,000
Step 2 Step 12,889 1 ,000
Block 275,268 2 ,000
Model 275,268 2 ,000
Os valores obtidos na Tabela 16 para o modelo final de R2 de Cox e Snell foi de 26%, e
Nagelkerke 36%.
Tabela 16 – Pseudo R2
Verifica-se no Tabela 17 o teste qui-quadrado Hosmer and Lemeshow’s goodness of fit test
e a significância para o nível adotado α.
Quadro 17 - Teste Hosmer and Lemeshow’s goodness of fit

1 42,906 8 ,000
2 21,599 8 ,006
A Tabela 18 apresenta o teste de Hosmer e Lemeshow e avalia o modelo ajustado

comparando as freqüências observadas e esperadas.
Tabela 18 - Tabela de Contingencia Teste de Hosmer e Lemeshow

Modo 2 =
Modo 2 = outros caminhamento
Step 1 90 92,572 4 1,428 94
1 2 82 83,138 6 4,862 88
3 81 80,431 10 10,569 91
4 82 71,296 7 17,704 89
5 47 37,327 4 13,673 51
6 45 64,034 50 30,966 95
7 65 59,467 43 48,533 108
8 36 41,451 60 54,549 96
9 33 34,396 65 63,604 98
10 25 21,888 57 60,112 82
Step 1 87 86,803 1 1,197 88
2 2 85 89,081 9 4,919 94
3 79 78,662 9 9,338 88
4 84 77,473 12 18,527 96
5 72 63,995 17 25,005 89
6 44 56,489 45 32,511 89
7 55 49,588 40 45,412 95
8 32 37,659 62 56,341 94
9 28 30,021 63 60,979 91
10 20 16,229 48 51,771 68
A Tabela 19 apresenta a classificação dos estimadores em corretos e incorretos. O modelo

apresentou, portanto, uma porcentagem de acerto acima de 60%.
Tabela 19 - Classificação dos casos em cada passo
A Tabela 20 apresenta, portanto os resultados dos parâmetros para a função utilidade do

modo caminhamento.
Tabela 20 - Parâmetros para a utilidade do caminhamento
Anexo 3 – Regressão Logística para o Modo Ônibus 99
Anexo 3
8.3 ANEXO 3 - REGRESSÃO LOGÍSTICA PARA O MODO ÔNIBUS

Modelo 3 - Escolha do Modo Ônibus
No terceiro modelo a calibração foi realizada com 503 observações incluídas na análise
conforme Tabela 21.
Tabela 21 – Casos Processados
Neste modelo a escolha refere-se ao modo ônibus. A Tabela 22 apresenta a codificação de

valor “1” para a escolha do modo ônibus e “0” para outro modo.

outros 0
ônibus 1
-2 Log Coefficients
Step 1 793,621 ,756
0 2 793,406 ,795
3 793,406 ,796
parameter estimates changed by less than ,001.
A Tabela 23 mostra que sem a inclusão das variáveis independentes, alcança-se um nível
de acerto aproximado de 87% na classificação dos casos.

Step 0 Constant ,796 ,085 86,827 1 ,000 2,216
Score df Sig.
0 SITFAM 8,157 1 ,004
IDADE1 5,391 1 ,020
AUTO 8,059 1 ,005
CLASABA 6,211 1 ,013
A Tabela 24 apresenta as iterações do modelo pelo método foward stepwise Wald. As

iterações foram feitas em quatro passos sendo a constante incluída no modelo.
-2 Log Coefficients
Iteration likelihood Constant TTV SITFAM IDADE1 AUTO
Step 1 713,688 -,136 ,020
1 2 688,995 -,677 ,037
3 687,491 -,818 ,042
4 687,483 -,828 ,042
Step 1 703,379 ,014 ,020 -,500
2 2 677,395 -,481 ,037 -,643
3 675,733 -,619 ,043 -,673
4 675,723 -,630 ,043 -,676
Step 1 692,776 -,466 ,019 -,805 ,245
3 2 665,198 -1,101 ,036 -1,082 ,328
3 663,343 -1,286 ,041 -1,153 ,352
4 663,330 -1,301 ,042 -1,159 ,354
Step 1 684,263 -,198 ,019 -,880 ,248 -,453
4 2 657,521 -,762 ,035 -1,186 ,338 -,533
3 655,748 -,939 ,040 -1,261 ,362 -,538
4 655,737 -,954 ,041 -1,267 ,364 -,538
d. Estimation terminated at iteration number 4 because log-likelihood decreased by less
than ,010 percent.
Conforme mostra a tabela 25 o nível de significância está abaixo de 0,050 em todos os

passos e são apresentados os valores para o teste qui-quadrado.

Chi-square df Sig.
Step 1 Step 105,924 1 ,000
Block 105,924 1 ,000
Model 105,924 1 ,000
Step 2 Step 11,760 1 ,001
Block 117,684 2 ,000
Model 117,684 2 ,000
Step 3 Step 12,393 1 ,000
Block 130,076 3 ,000
Model 130,076 3 ,000
Step 4 Step 7,594 1 ,006
Block 137,670 4 ,000
Model 137,670 4 ,000
Os valores obtidos na Tabela 26 para o pseudo R2 de Cox e Snell foi de 19,4%, e

Nagelkerke 27,2%.
Tabela 26 – Pseud R2
Na Tabela 27 verifica-se o teste Hosmer and Lemeshow’s goodness of fit test. A estatística
do teste é maior que o nível de significância α adotado.
Tabela 27 - Teste Hosmer and Lemeshow’s goodness of fit

1 64,998 8 ,000
2 56,302 8 ,000
3 22,763 8 ,004
4 11,182 8 ,192
O teste de Hosmer e Lemeshow apresentado na Tabela 28 mostra que os valores

encontrados para as freqüências observadas e esperadas são próximos.
Tabela 28 - Tabela de Contingência Teste de Hosmer e Lemeshow

Modo 3 = outros Modo 3 = ônibus
Step 1 40 39,978 24 24,022 64
1 2 60 40,932 18 37,068 78
3 18 20,566 28 25,434 46
4 27 26,358 42 42,642 69
5 11 26,426 73 57,574 84
6 10 14,270 45 40,730 55
7 4 12,850 60 51,150 64
8 14 8,992 45 50,008 59
9 8 7,082 60 60,918 68
10 7 1,547 46 51,453 53
Step 1 46 41,978 18 22,022 64
2 2 30 30,835 27 26,165 57
3 42 30,175 22 33,825 64
4 24 26,273 43 40,727 67
5 18 21,707 50 46,293 68
6 4 16,686 61 48,314 65
7 12 14,535 60 57,465 72
8 13 9,207 52 55,793 65
9 2 6,024 62 57,976 64
10 8 1,583 46 52,417 54
Step 1 47 43,060 17 20,940 64
3 2 44 38,360 25 30,640 69
3 31 29,440 33 34,560 64
4 20 23,868 42 38,132 62
5 14 20,201 50 43,799 64
6 13 15,689 51 48,311 64
7 12 12,233 53 52,767 65
8 6 8,374 55 52,626 61
9 5 5,893 60 59,107 65
10 7 1,886 55 60,114 62
Step 1 47 43,632 16 19,368 63
4 2 42 36,043 21 26,957 63
3 30 30,867 35 34,133 65
4 19 25,053 46 39,947 65
5 17 19,886 48 45,114 65
6 13 15,128 49 46,872 62
7 11 12,271 54 52,729 65
8 9 8,454 55 55,546 64
9 6 5,618 59 59,382 65
10 5 2,052 58 60,948 63
O modelo apresenta no último passo uma porcentagem de acerto acima de 86,1%,

conforme mostra a Tabela 29.
Tabela 29 – Classificação dos casos em cada passo

modo ônibus.
Tabela 30 – Parâmetros para a utilidade ônibus
Anexo 4 – Tabela de Características dos Indivíduos 106
Anexo 4
8.4 ANEXO 4 - TABELA DE CARACTERÍSTICAS DOS INDIVÍDUOS

Anexo 4 – Tabela de Características dos Indivíduos 107
Tabela 31 – Valores atribuídos as variáveis

Anexo 5 – Funções Utilidades 108
Anexo 5
8.5 ANEXO 5 - FUNÇÕES UTILIDADES PARA OS INDIVÍDUOS

DAS CLASSES SOCIOECONÔMICAS
A partir dos parâmetros encontrados em cada modelo, as funções utilidades obtidas

considerando as características dos indivíduos das classes socioeconômicas, foram as
seguintes:
Utilidades para os indivíduos da Classe “A2”
1. Características do usuário:
Tempo de viagem = 38 minutos
Posse de auto = 1 (Possui auto)
Nível de Instrução = 5 (Superior Completo)
Renda = 6 (10,1 – 20,0 Salários Minímos)
Situação Familiar = 1 (Chefe de Família)
Idade = 4 (mais de 40 anos)
ST5UV 22,974 2 0,02738 1,4921 0,2195 0,3706
S[T\'T\]UV 1,765 2 0,06838 2 0,2926
Sô_5` 20,954 0,04138 2 1,2671 0,3644 2 0,5381
Renda = 6 (10,1 – 20,0 Salários Mínimos)
Situação Familiar = 0 (Não Chefe de Família)
Idade = 2 (de 18 – 30 anos)
ST5UV 22,974 2 0,02715 1,4921 0,2195 0,3706
S[T\'T\]UV 1,765 2 0,06815 2 0,2926
Sô_5` 20,954 0,04115 2 1,2670 0,3642 2 0,5381

Utilidades para os indivíduos da Classe “B1”
Nível de Instrução = 4 (Colegial Completo/Superior Incompleto)
ST5UV 22,974 2 0,02740 1,4921 0,2194 0,3704
S[T\'T\]UV 1,765 2 0,06840 2 0,2924
Sô_5` 20,954 0,04140 2 1,2670 0,3642 2 0,5381
ST5UV 22,974 2 0,02720 1,4921 0,2194 0,3705
S[T\'T\]UV 1,765 2 0,06820 2 0,2925
Sô_5` 20,954 0,04120 2 1,2671 0,3644 2 0,5381
Utilidades para os indivíduos da Classe “B2”

Nível de Instrução = 3 (Ginásio Completo/Colegial Incompleto)
Renda = 3 (4,1 - 6,0 Salários Minímos)
ST5UV 22,974 2 0,02735 1,4921 0,2193 0,3703
S[T\'T\]UV 1,765 2 0,06835 2 0,2923
Sô_5` 20,954 0,04135 2 1,2670 0,3643 2 0,5381
Possui auto = 1 (Possui auto)
ST5UV 22,974 2 0,02720 1,4921 0,2195 0,3704
S[T\'T\]UV 1,765 2 0,06820 2 0,2924
Sô_5` 20,954 0,04120 2 1,2670 0,3644 2 0,5381
Utilidades para os indivíduos da Classe “C1”
Posse de auto = 0 (não possui)

ST5UV 22,974 2 0,02710 1,4920 0,2194 0,3705
S[T\'T\]UV 1,765 2 0,06810 2 0,2924
Sô_5` 20,954 0,04110 2 1,2670 0,3643 2 0,5380
Nível de Instrução = 2 (Primário Completo/Ginásio Incompleto)
Renda = 4 (6,1-8,0 Salários Mínimos)
ST5UV 22,974 2 0,02722 1,4921 0,2192 0,3704
S[T\'T\]UV 1,765 2 0,06822 2 0,2924
Sô_5` 20,954 0,04122 2 1,2671 0,3644 2 0,5381
Utilidades para os indivíduos da Classe “C2”
ST5UV 22,97 2 0,02741 1,4920 0,2192 0,3702
S[T\'T\]UV 1,765 2 0,06841 2 0,2922
Sô_5` 20,954 0,04141 2 1,2671 0,3644 2 0,5380

ST5UV 22,974 2 0,02723 1,4920 0,2192 0,3702
S[T\'T\]UV 1,765 2 0,06823 2 0,2922
Sô_5` 20,954 0,04123 2 1,2671 0,3644 2 0,5380
Utilidades para os indivíduos da Classe “D”
Nível de Instrução = 1 (Analfabeto/Primário Incompleto)
ST5UV 22,974 2 0,02710 1,4920 0,2191 0,3701
S[T\'T\]UV 1,765 2 0,06810 2 0,2921
Sô_5` 20,954 0,04110 2 1,2671 0,3644 2 0,5380

ST5UV 22,974 2 0,02770 1,4920 0,2191 0,3701
S[T\'T\]UV 1,765 2 0,06870 2 0,2921
Sô_5` 20,954 0,04170 2 1,2671 0,3644 2 0,5380
Utilidades para os indivíduos da Classe “E”
ST5UV 22,974 2 0,02795 1,4920 0,2191 0,3701
S[T\'T\]UV 1,765 2 0,06895 2 0,2921
Sô_5` 20,954 0,04195 2 1,2671 0,3644 2 0,5380
ST5UV 22,974 2 0,02715 1,4920 0,2191 0,3701

S[T\'T\]UV 1,765 2 0,06815 2 0,2921
Sô_5` 20,954 0,04115 2 1,2670 0,3642 2 0,5380

Universidade Federal de Uberlândia: Thaís Silva

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Universidade Federal de Uberlândia: Thaís Silva

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE UBERLÂNDIA

ANÁLISE DA ESCOLHA MODAL BINOMIAL

UBERLÂNDIA, 27 DE SETEMBRO DE 2010.

ANÁLISE DA ESCOLHA MODAL BINOMIAL COM

Dissertação apresentada à Faculdade de Engenharia

Área de Concentração: Engenharia Urbana.

Orientador: Prof. Dr. Carlos Alberto Faria

UBERLÂNDIA, 27 DE SETEMBRO DE 2010.

Ao professor Ednaldo Carvalho Guimarães da Faculdade de Matemática da Universidade

Aos demais professores do Programa de Pós-Graduação em Engenharia Civil da

Agradeço de forma especial ao Programa de Pós-Graduação da Engenharia Civil da

Palavras-chave: Planejamento Urbano - Transporte Urbano - Modelo Logit Binomial -

1.1 OBJETIVOS ................................................................................................................ 2

PLANEJAMENTO DE TRANSPORTE URBANO............................................................. 5

2.1 O MODELO DE QUATRO ETAPAS ........................................................................ 7

MODELOS PARA ANÁLISE DE DEMANDA ................................................................ 11

3.1 FUNDAMENTOS MICROECONÔMICOS ............................................................ 12

MODELO DE REGRESSÃO LOGISTICA BINOMIAL .................................................. 25

4.1 ESTIMATIVA DO MODELO LOGIT BINOMIAL ................................................ 28

CALIBRAÇÃO DO MODELO .......................................................................................... 32

5.1 CONSIDERAÇÕES SOBRE OS DADOS DE ENTRADA ..................................... 34

ESTUDO DE CASO E RESULTADOS ............................................................................. 41

6.1 ANÁLISE DESCRITIVA DOS DADOS ................................................................. 42

REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................ 81

ANEXO 1 - REGRESSÃO LOGÍSTICA PARA O MODO AUTO .............................. 86

O processo de decisão do consumidor baseia-se em escolhas discretas realizadas com base

O “juízo de valor” do consumidor sobre as alternativas e atributos dos modos de

1.1.1 Objetivo Geral

1.1.2 Objetivos específicos

- Estimar as probabilidades de escolha dos usuários dos modos de transportes considerando

- Avaliar o padrão de escolha modal considerando indivíduos das diferentes classes

transportes. A intensidade dessas relações deve ser acompanhada de um planejamento

Utilizando-se então, os dados da pesquisa O/D, que considera características do sistema de

- e justifica-se, devido à importância de se tratar a etapa de repartição modal com base em

1.3 ESTRUTURA DA DISSERTAÇÃO

Além disso, os frequentes congestionamentos, a falta de conservação das vias, os altos

Para Hutchinson (1979), o planejamento de transportes urbanos é um processo contínuo

Conforme destacado por Saraiva (2000), o transporte decorre da necessidade de ir à escola,

Pode-se dizer que os padrões de tráfego urbano resultam do tipo e extensão da

Assim, o uso de dados desagregados para fornecer informações quantitativas de demandas

Para Ortúzar e Román (2003), a modelagem da demanda por transportes vem se

O modelo clássico de planejamento em transporte é sequencial e está dividido em quatro

Neste trabalho, enfatiza-se a etapa de divisão modal, com o objetivo de modelar as

2.1 O MODELO DE QUATRO ETAPAS

2.1.1 Geração de Viagens

A geração de viagens é o primeiro estágio do processo de previsão de demanda de viagens.

Nesta etapa do processo são estabelecidas as zonas geradoras de viagens, estimando-se a

A escolha das zonas como centros produtores de viagens é estabelecida enfatizando-se

Relacionam-se a esses fatores variáveis explicativas que são características ligadas ao

2.1.2 Distribuição de Viagens

A segunda etapa do processo de previsão de demanda é a distribuição de viagens. Nessa

Os modelos de distribuição de viagens determinam, a partir do total de viagens geradas em

A etapa de Geração de viagens fornece os totais de viagens produzidas (Pi) e de viagens

Zona de Zona de Destino

1 T11 T12 T13 ... ...T1j O1

FIGURA 1 - Matriz de distribuição de viagens.

Tij = f (variáveis sócioeconômicas entre i e j; viagens produzidas em i; atraídas para j;

Onde Tij representa o número de viagens entre i e j no intervalo de tempo considerado.

Os modelos de distribuição de viagens podem ser agrupados da seguinte forma:

- Modelos de fator de crescimento e de Fratar;

- Modelos estocásticos de distribuição de viagens (Modelo Gravitacional, Modelo de

2.1.3 Divisão Modal

A terceira etapa do processo de previsão de demanda, a qual destina-se este trabalho, é a

&' " "